基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用
DOI:
CSTR:
作者:
作者单位:

南京理工大学自动化学院

作者简介:

陈志敏

通讯作者:

中图分类号:

基金项目:

国防重点预研资助项目;高等学校博士学科点专项科研基金资助课;南京理工大学自主科研专项计划资助项目;南京理工大学紫金之星基金资助项目


Novel particle filter algorithm based on adaptive particle swarm optimization and its application to radar target tracking
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:

    针对基于粒子群优化的粒子滤波(PSO-PF) 算法精度不高, 实时性差, 难以满足雷达机动目标跟踪的需求, 提
    出一种基于动态邻域自适应粒子群优化的粒子滤波(DPSO-PF) 算法. 该算法可以动态调整粒子邻域环境, 其中每个
    粒子按照邻域的环境和自身的位置信息自适应地调整相互间的邻域粒子数量, 使邻域粒子数量更为合理, 达到寻优
    能力与收敛速度的最佳平衡. 最后利用不同模型对该算法进行了仿真实验, 实验结果表明所提出的算法能够提高雷
    达机动目标跟踪的实时性和精确性.

    Abstract:

    Particle filter based on particle swarm optimization algorithm(PSO-PF) has the defects of low precision and calculation complexity, It is difficult to satisfy the requirement of accuracy and real-time of radar target tracking. To solve these problems, a novel particle filter algorithm based on neighborhood adaptive particle swarm optimization(DPSO-PF)is proposed. This algorithm investigates the neighborhood information of the particles, it adjusts the neighborhood environment dynamically using diversity factors, neighborhood extension factor, neighborhood limiting factor and control the effect of particles, it reduces the local optimization and realizes the best balance between the convergence speed and search ability. Finally, simulation and testing in the different models. The simulation results show that this algorithm improves the velocity and precision compared with PSO-PF, it is suitable for radar target tracking.

    参考文献
    相似文献
    引证文献
引用本文

陈志敏 薄煜明 吴盘龙 段文勇 刘正凡.基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用[J].控制与决策,2013,28(2):193-200

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:2011-10-08
  • 最后修改日期:2011-12-15
  • 录用日期:
  • 在线发布日期: 2013-02-20
  • 出版日期:
文章二维码