一种基于小生境技术的群智能粒子滤波算法
DOI:
CSTR:
作者:
作者单位:

作者简介:

刘云龙

通讯作者:

中图分类号:

基金项目:


Swarm intelligence particle filtering based on niching technique
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基本粒子滤波的“退化”现象是其存在的一个严重缺陷,它导致大量计算资源浪费。重采样技术从某种程度上抑制了退化的产生,但却导致粒子枯竭的问题,降低了系统状态的推理精度。提出了一种新的粒子滤波算法,将群智能算法中的小生境技术引入粒子滤波中,增强粒子的多样性和寻优能力,同时将上述问题转化为多模寻优问题从而充分应用观测信息,使得采样后的粒子朝着高似然区域移动,从而有效地提高系统状态估计精度。仿真实验证明,该算法是有效和稳定的。

    Abstract:

    Weight degeneracy is a grievous defect for particle filter which result in wasting large computation cost. Although re-sampling can solve degeneracy issue in some extent, but it lead to the particle impoverish phenomenon which weaken Bayesian inference precision for state estimation. A new particle filtering algorithm was proposed, which introduced Swarm Intelligence niching technique into particle filtering in order to enhance particles diversity and search ability and convert above issues into a multi-modal optimization so that measure information is fully. As a result, particles can move towards the high likelihood areas which increase precision for system state estimation. Simulation results show that the proposed particle filtering is effective and stable.

    参考文献
    相似文献
    引证文献
引用本文

.一种基于小生境技术的群智能粒子滤波算法[J].控制与决策,2010,25(2):316-320

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-03-16
  • 最后修改日期:2009-07-02
  • 录用日期:
  • 在线发布日期: 2010-02-20
  • 出版日期:
文章二维码