-
公开(公告)号：CN101826852A
公开(公告)日：2010-09-08
申请号：CN201010121571.2
申请日：2010-03-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于粒子群优化算法的无迹粒子滤波方法。第一步，初始时刻，由初始分布p(x0)中得到一组初始粒子，并设置其初始的均值和方差；第二步，重要性采样；第三步，权值更新；第四步，得到归一化的权值；第五步，再采样；第六步，状态更新；第七步，求解当前时刻的全局最优解G(t)。本发明通过粒子群优化过程，使得粒子集在权值更新之前更加趋向于高似然区域，从而在一定程度上解决了样本贫化问题。优化过程使得远离真实状态的粒子趋向真实状态出现概率较大的区域，提高了每个粒子的作用效果。与其他智能优化算法相比，粒子群优化算法具有容易实现且没有许多参数需要调整的优势，并且降低了精确估计所需要的粒子数，提高了滤波的计算效率。
-
公开(公告)号：CN101819682A
公开(公告)日：2010-09-01
申请号：CN201010142207.4
申请日：2010-04-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于马尔科夫链蒙特卡洛粒子滤波的目标跟踪方法：1、初始时刻，由初始分布中得到一组初始粒子，并设置其初始的均值和方差；2、重要性采样；3、权值更新；4、得到归一化的权值；5、再采样；6、引入MCMC移动步骤；7、状态更新。本发明通过MCMC移动步骤，将粒子推向先验分布和后验分布都较大的区域，改善粒子多样性，在一定程度上抑制样本贫化问题。样本贫化问题的解决使得算法再采样的效果得到保证，进而可以提高滤波的精度。MCMC移动步骤比较容易实现，因此可以与其它改进步骤结合运用对粒子滤波进行优化。MCMC步骤的加入增加了滤波方法的运算量，但另一方面降低了精确估计所需要的粒子数，提高了滤波的效率。
-
公开(公告)号：CN101826856A
公开(公告)日：2010-09-08
申请号：CN201010121599.6
申请日：2010-03-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于超球面采样无迹卡尔曼滤波的粒子滤波方法。初始化粒子及其权值；通过重要性采样产生粒子；更新粒子权值并对其进行归一化；再采样步骤；输出结果；进入下一时间步。本发明主要是对重要性采样步骤进行改进，采用基于超球面单形采样SSUT变换的SSUKF算法取得重要性概率密度。相比于粒子滤波PF、扩展卡尔曼粒子滤波EKPF以及标准的无迹粒子滤波，超球面采样无迹粒子滤波SSUPF可以取得与UPF相当的精度。另一方面，由于SSUT变换采用超球面分布的采样点(即sigma点)，采样点数量大大少于无迹变换UT变换，在计算效率方面的优势在高维系统中越发明显。
-
-
Search Results
3
records
(took 0.022 seconds)
