伴隨著航運技術(shù)以及人民生活水平的發(fā)展,船舶的海上航行變得越來越重要,為了確保船舶的安全、降低發(fā)生事故的概率,對船舶跟蹤提出了更高的要求。傳統(tǒng)的跟蹤算法在非線性非高斯情況下的容易造成跟蹤誤差。粒子濾波跟蹤算法基于蒙特卡羅算法和遞推貝葉斯理論,在非線性非高斯?fàn)顟B(tài)下的目標(biāo)跟蹤精確度更高。因此有著廣泛應(yīng)用。但是傳統(tǒng)粒子濾波算法仍有不足,經(jīng)過研究可利用人工智能算法對粒子位置及重采樣階段進(jìn)行優(yōu)化以提高算法的精確度。本文主要研究和討論將兩種智能算法共同作用于粒子濾波算法的不同階段,包括作用于重要性采樣的粒子群優(yōu)化算法以提高采樣粒子準(zhǔn)確性和替代重采樣的遺傳算法以提高粒子多樣性從而提高跟蹤精度以及效率,此外再輔以自適應(yīng)調(diào)整,通過自適應(yīng)對算法中關(guān)鍵參數(shù)和門限進(jìn)行實時調(diào)整降低局部尋優(yōu)情況的出現(xiàn)以保證算法精度,實現(xiàn)對跟蹤過程進(jìn)行實時監(jiān)控與調(diào)節(jié)保證跟蹤精度。主要工作如下:首先介紹了標(biāo)準(zhǔn)粒子濾波算法以及人工智能算法的基本概念以及原理,同時對貝葉斯估計以及蒙特卡羅算法進(jìn)行討論。給出粒子濾波算法、粒子群優(yōu)化算法以及遺傳算法的相關(guān)內(nèi)容,同時分析了自適應(yīng)方式,為后續(xù)工作打下理論基礎(chǔ)。其次,利用粒子群優(yōu)化算法來改進(jìn)粒子濾波... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１標(biāo)準(zhǔn)粒子濾波算法流程圖

?基于人丁智能算法的自適應(yīng)粒子濾波跟蹤算法???Ｉ?開始??＇?１．．．．．．?Ｉ＇?＂?：?１??計篼每個粒子的適應(yīng)度值一??：１??對每個粒子進(jìn)行比較判斷?一??Ｔ?ｉｉ??＾立子適應(yīng)度大＃？?、＼是ｗ用此粒子位置適應(yīng)度值??個體最優(yōu)值?＾鋝換個體琺優(yōu)倂??廠??＜?用?值??１＿＿＿＿＝ｒ?！??腿公式更新粒ｒ．速度健??Ｊ?—?????ｉ否滿足結(jié)束條件??Ｉ?（?結(jié)束??圖２．３粒了群優(yōu)化算法基本流程圖??Ｆｉｇ．?２．３?ｂａｓｉｃ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｓｗａｒｍ?ｏｐｔｉｍｉｚａｔｉｏｎ?ａｌｇｏｒｉｔｈｍ??利用粒子群優(yōu)化算法計算極值效果如圖所示??３?（１－ｘ）２?ｅｘｐ（－（ｘ２Ｈｙ＋１?）２）－—－１／３?ｅｘｐ（－（ｘ＋１）２－ｙ２）??ｙ?ｘ??圖２．４粒子群優(yōu)化算法極值計算結(jié)果??Ｆｉｇ．?２．４?Ｐａｒｔｉｃｌｅ?Ｓｗａｒｍ?Ｏｐｔｉｍｉｚａｔｉｏｎ?Ａｌｇｏｒｉｔｈｍ?Ｅｘｔｒｅｍｅ?Ｖａｌｕｅ?Ｃａｌｃｕｌａｔｉｏｎ?Ｒｅｓｕｌｔｓ??１６??

?基于人工智能算法的自適應(yīng)粒子濾波跟蹤算法???Ｃ?開始?）??初始化種群??＋?：???？計算適應(yīng)度值?？??輸了體?１?＇??選擇操作?ｐ??Ｉ?結(jié)束）??交叉操作???５Ｔ?????變異操作?？??圖２．５遺傳算法流程圖??Ｆｉｇ．?２．５?ｇｅｎｅｔｉｃ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??由遺傳算法的學(xué)習(xí)可知，遺傳算法通過交叉變異提高低適應(yīng)度粒子權(quán)值，以此減少??被剔除的粒子數(shù)，可解決粒子濾波算法因重采樣導(dǎo)致大量粒子丟失從而造成的多樣性缺??失問題，因此可用遺傳算法替代粒子濾波算法重采樣階段。??２．３自適應(yīng)優(yōu)化??自適應(yīng)是指在環(huán)境統(tǒng)計特性未知或者變化的情況下對系統(tǒng)進(jìn)行自動調(diào)整，使系統(tǒng)能??夠保持“最佳”的狀態(tài)，其通過對整個算法過程進(jìn)行實時監(jiān)控，以保證算法的準(zhǔn)確和高??效。當(dāng)算法出現(xiàn)較為嚴(yán)重的偏差時，通過對算法中函數(shù)的參數(shù)，條件，順序等方面進(jìn)行??自適應(yīng)的調(diào)整使偏差減小或者消失；或者通過自適應(yīng)算法在不同的時間段或者迭代次數(shù)??中對參數(shù)等方面進(jìn)行自適應(yīng)的變化，來打破整個算法過程中一成不變運算，使算法能夠??在不同的階段適應(yīng)不用的要求或者內(nèi)容，從而提高算法的準(zhǔn)確度。??它是一個通過調(diào)整不斷逼近目標(biāo)的過程，通過某種規(guī)則或者準(zhǔn)則在算法的不同位置??或者不同階段對參數(shù)進(jìn)行調(diào)整使得算法能夠在不同的階段均能滿足某種最優(yōu)準(zhǔn)則。?＿??一般最優(yōu)化問題的表述如下：??在多個給定的條件下（條件為系統(tǒng)工程要求）：?－??ｇｊ?（ｗ）?＜?０?ｉ?＝?（２．３４）??ｌｊ（ｗ）?＝０?ｊ?＝?ｍ＋ｌ，ｍ?＋?２，．．．ｐ?（２．３５）??求一組設(shè)計矢量的最佳值，??

【參考文獻(xiàn)】：
期刊論文
[1]基于KLD采樣的自適應(yīng)粒子濾波目標(biāo)跟蹤算法[J]. 徐壯,彭力.  計算機(jī)工程. 2019(12)
[2]經(jīng)典人工智能算法綜述[J]. 陶陽明.  軟件導(dǎo)刊. 2020(03)
[3]一種基于動量BP算法的似然分布自適應(yīng)粒子濾波[J]. 張園,趙長勝,李曉明.  小型微型計算機(jī)系統(tǒng). 2019(10)
[4]基于改進(jìn)粒子濾波跟蹤算法的運動視頻跟蹤[J]. 張忠子.  現(xiàn)代電子技術(shù). 2019(15)
[5]粒子濾波目標(biāo)跟蹤算法綜述[J]. 昝孟恩,周航,韓丹,楊剛,許國梁.  計算機(jī)工程與應(yīng)用. 2019(05)
[6]基于混合引導(dǎo)策略的高精度螢火蟲優(yōu)化粒子濾波算法[J]. 畢曉君,胡菘益.  上海交通大學(xué)學(xué)報. 2019(02)
[7]智能優(yōu)化粒子濾波算法綜述研究[J]. 劉淑波,張園,龔麗.  數(shù)字技術(shù)與應(yīng)用. 2019(01)
[8]抗遮擋自適應(yīng)的粒子濾波算法[J]. 李菊,曹明偉,余燁,夏瑜,周立凡.  系統(tǒng)仿真學(xué)報. 2018(09)
[9]粒子濾波理論在單目標(biāo)跟蹤中的應(yīng)用綜述[J]. 劉暢,楊鎖昌,汪連棟.  飛航導(dǎo)彈. 2017(10)
[10]粒子濾波檢測前跟蹤算法的粒子比優(yōu)化方法研究[J]. 李云坤,陳偉,曹旭東.  航空兵器. 2017(05)

碩士論文
[1]粒子群優(yōu)化算法的改進(jìn)和應(yīng)用研究[D]. 趙毅.沈陽工業(yè)大學(xué) 2019
[2]雷達(dá)多目標(biāo)跟蹤的粒子濾波處理方法的研究[D]. 蔡文慧.大連海事大學(xué) 2018
[3]基于自適應(yīng)粒子群算法的特征選擇研究[D]. 李策.南京郵電大學(xué) 2017
[4]粒子群優(yōu)化算法的改進(jìn)研究[D]. 張洵.渤海大學(xué) 2017
[5]基于GA-PSO的粒子濾波算法的研究[D]. 孫麗平.哈爾濱理工大學(xué) 2013
[6]目標(biāo)跟蹤的粒子濾波算法研究[D]. 黃建.電子科技大學(xué) 2012
[7]自適應(yīng)濾波算法的研究與應(yīng)用[D]. 張會先.西安電子科技大學(xué) 2012



本文編號：3445500