粒子濾波算法（Particle Filter,簡稱PF）作為一種非線性、非高斯濾波方法,能夠被應(yīng)用于不同領(lǐng)域。粒子濾波算法本身具有很好的魯棒性,在目標跟蹤過程中,準確性和實時性是兩個最基本的要求。粒子濾波作為一種實現(xiàn)對非線性、非高斯系統(tǒng)的濾波技術(shù),能夠?qū)Ψ蔷�性運動目標進行較好的濾波跟蹤,用于對目標的跟蹤具有很好的魯棒性。粒子濾波算法能夠?qū)?fù)雜環(huán)境中的目標進行跟蹤,但未能夠把實際的觀測信息加入到實時跟蹤中,因此造成了大量計算的浪費,而且不能有效地表達出后驗概率密度函數(shù),存在粒子退化問題。重采樣解決粒子退化問題降低了粒子的多樣性,造成粒子多樣性減少,當目標丟失或跟蹤精度不夠時,可能會導(dǎo)致系統(tǒng)不收斂,因此就造成了跟蹤的不準確性。差分進化算法具有進化思想,通過不斷迭代更新優(yōu)化后代,差分進化思想解決粒子退化具有一定的可行性,針對差分進化變異率固定,導(dǎo)致經(jīng)過若干次迭代之后,后代樣本間差異性變小,導(dǎo)致樣本多樣性減少,提出了變異率自適應(yīng)的差分進化算法,變異過程中自適應(yīng)的變異率使得大權(quán)值粒子變化不大而小權(quán)值粒子變化較大,小權(quán)值粒子通過變異尋得較優(yōu)狀態(tài),優(yōu)化了粒子采樣集合,保持了粒子的多樣性,粒子集合的分... 

【文章來源】：太原理工大學山西省 211工程院校

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 論文結(jié)構(gòu)安排
第二章 粒子濾波算法研究
    2.1 概述
    2.2 粒子濾波簡介
        2.2.1 貝葉斯原理與估計
        2.2.2 蒙特卡羅分析
        2.2.3 貝葉斯重要性采樣
        2.2.4 序貫重要性采樣
        2.2.5 序貫重要性采樣的退化問題和重采樣
    2.3 粒子濾波算法
        2.3.1 標準粒子濾波概述
        2.3.2 粒子濾波算法步驟
        2.3.3 算法流程
        2.3.4 粒子濾波實例化
    2.4 本章小節(jié)
第三章 差分進化改進粒子濾波算法研究
    3.1 概述
    3.2 差分進化算法
        3.2.1 差分進化理論
        3.2.2 差分進化基本原理
        3.2.3 算法流程
    3.3 差分進化算法和粒子濾波算法的比較
    3.4 差分進化算法改進的粒子濾波算法研究
        3.4.1 算法步驟
        3.4.2 算法流程
    3.5 變異率自適應(yīng)的差分進化改進的粒子濾波算法
        3.5.1 算法步驟
        3.5.2 算法流程
    3.6 實驗平臺簡介及誤差
        3.6.1 實驗平臺介紹
        3.6.2 跟蹤誤差
    3.7 仿真結(jié)果與分析
        3.7.1 仿真場景一
        3.7.2 仿真場景二
        3.7.3 仿真結(jié)果分析
    3.8 本章小節(jié)
第四章 改進粒子濾波算法在目標跟蹤中的應(yīng)用
    4.1 引言
    4.2 改進算法在轉(zhuǎn)彎模型中的應(yīng)用
        4.2.1 CT運動模型
        4.2.2 仿真場景一
        4.2.3 仿真場景二
        4.2.4 仿真場景三
        4.2.5 仿真結(jié)果分析
    4.3 改進算法在多模型中的應(yīng)用
        4.3.1 多模算法概述
        4.3.2 交互式多模算法
        4.3.3 交互多模粒子濾波算法
        4.3.4 仿真場景
        4.3.5 仿真結(jié)果分析
    4.4 仿真結(jié)果與分析
        4.4.1 仿真場景一
        4.4.2 仿真場景二
        4.4.3 仿真場景三
    4.5 本章小節(jié)
第五章 總結(jié)和展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
作者攻讀碩士學位期間的學術(shù)成果


【參考文獻】：
期刊論文
[1]采用GPU并行架構(gòu)的基于互信息和粒子群算法的異源圖像配準[J]. 余春超,楊智雄,夏宗澤,袁小春,嚴敏.  紅外技術(shù). 2016(11)
[2]交互式多模型粒子濾波優(yōu)化重采樣算法[J]. 周衛(wèi)東,孫天,儲敏,崔艷青.  北京航空航天大學學報. 2017(05)
[3]一種改進的粒子濾波目標跟蹤算法[J]. 馬兆南,裴騰達,張浩.  遼寧工程技術(shù)大學學報(自然科學版). 2016(09)
[4]多點測試的多模型機動目標跟蹤算法[J]. 王偉,余玉揆.  自動化學報. 2015(06)
[5]改進粒子濾波算法及其在目標跟蹤中的應(yīng)用[J]. 王龍,夏厚培.  信息技術(shù). 2013(02)
[6]粒子群優(yōu)化人工免疫粒子濾波器[J]. 杜正聰,馮大海,牛高遠.  四川大學學報(工程科學版). 2013(01)
[7]基于混合采樣的多模型機動目標跟蹤算法[J]. 王曉,韓崇昭.  自動化學報. 2013(07)
[8]基于觀測似然重要性采樣的粒子濾波算法[J]. 高建坡,韋志輝,孟迎軍,吳鎮(zhèn)揚.  系統(tǒng)仿真學報. 2009(12)

博士論文
[1]雷達機動目標運動模型與跟蹤算法研究[D]. 劉昌云.西安電子科技大學 2014



本文編號：3170521