在粒子濾波（PF）過程中存在粒子權值退化、維度災難、計算成本高等問題。粒子流濾波通過構造對數同倫函數避免了粒子權值退化問題,但是在求解邊值問題時過于依賴觀測方程,當噪聲較大時效果較差。針對上述問題,提出了一種改進的粒子流濾波算法。首先,該算法在粒子流動的過程中引入了一種"新息誤差"結構,使每個粒子的更新相互獨立;其次,利用Galerkin有限元法求得邊值問題的數值解,從而消除了擬合樣本先驗可能導致的數值不穩(wěn)定問題;最后,分別在通用非線性濾波模型和機動目標跟蹤模型中對改進的算法進行了性能測試。仿真結果表明,改進的算法可以抑制系統對觀測信息的依賴性,在噪聲增大的情況下也能得到相對較好的結果,有效改善了濾波精度,而在多維目標跟蹤情況下算法的計算效率與濾波精度高于標準粒子濾波。 

【文章來源】：計算機應用. 2020,40(11)北大核心CSCD

【文章頁數】：6 頁

【部分圖文】：

Q為0.1或1時的狀態(tài)估計均方根誤差

由上述仿真實驗可以看出，粒子濾波、粒子流濾波、UPF在過程噪聲較小、觀測信息比較精確時才更有效。原因是PF利用最新的觀測信息計算權重，PFF、UPF參考最新的觀測信息來優(yōu)化提議分布。另外利用智能算法、啟發(fā)式算法與粒子濾波結合也是基于最新的觀測，然而多數方案缺乏堅實的理論證明，且以增加計算復雜度為代價。其中與觀測相關的項設為b=(Zk-h(xk))，粒子濾波在計算權重時是根據觀測方程來計算的涉及eb2項；粒子流在求解f (x，λ)時，得到的弱形式解涉及b2項，且弱形式解為數值解，當噪聲變大時得到的解的誤差較大；改進的粒子流濾波雖然也利用了最新的觀測新息，但是作為新息誤差項而引入只涉及b，從而削弱了觀測的影響。而且，BVP方程求解也未引入最新觀測，一定程度上抑制了系統對觀測的依賴性。3.2 機動目標跟蹤模型

另外，從表2可以看出，在過程噪聲變大的情況下，粒子濾波已經不能較好地反映真實的軌跡，誤差已經比較大，而改進的粒子流濾波依然能相對較好地反映真實的軌跡，各狀態(tài)估計的誤差保持在相對較小的范圍內，證明本文算法具有較好的魯棒性。另外粒子濾波在粒子數增大的情況下濾波精度有明顯提高，而改進的粒子流濾波在粒子數增加的情況下濾波精度并沒有提高，這是由于改進的算法避免了重采樣對粒子的舍棄，而粒子數較多時，會導致低似然區(qū)域的粒子增加。這也說明了改進的粒子流算法適用于粒子數較少時的高精度快速預測，例如激光雷達、紅外目標跟蹤等。4結語

【參考文獻】：
期刊論文
[1]非線性系統的多擴展目標跟蹤算法[J]. 韓玉蘭,韓崇昭.  計算機應用. 2019(05)
[2]基于自控蝙蝠算法智能優(yōu)化粒子濾波的機動目標跟蹤方法[J]. 陳志敏,吳盤龍,薄煜明,田夢楚,岳聰,顧福飛.  電子學報. 2018(04)
[3]基于似然分布調整的粒子群優(yōu)化粒子濾波新方法[J]. 高國棟,林明,許蘭.  計算機應用. 2017(04)
[4]粒子濾波理論、方法及其在多目標跟蹤中的應用[J]. 李天成,范紅旗,孫樹棟.  自動化學報. 2015(12)
[5]粒子濾波重采樣:同分布原則、一種新方法以及綜合對比（英文）[J]. Tian-cheng LI,Gabriel VILLARRUBIA,Shu-dong SUN,Juan M.CORCHADO,Javier BAJO.  Frontiers of Information Technology & Electronic Engineering. 2015(11)



本文編號：3597682