[发明专利]一种采用自适应重采样的高斯混合无迹粒子滤波算法

摘要

本发明涉及一种采用自适应重采样的高斯混合无迹粒子滤波算法。本发明从两个方面优化普通单高斯粒子滤波算法，即重要性密度函数和重要性重采样。采用高斯混合无迹变换作为粒子滤波的重要性密度函数，能够准确估计系统状态。在传统残差重采样的基础上，本发明提出了一种简单而有效的自适应残差重采样，缓解了粒子退化贫化现象。为了评估发明算法的性能，系统采用一种不确定模型——随机游走模型作为状态模型。仿真结果表明发明算法在跟踪精度、状态估计和粒子集多样性方面均优于普通单高斯粒子滤波算法。

主权项

一种采用自适应重采样的高斯混合无迹粒子滤波算法，用于目标跟踪，其特征在于具体实现步骤如下：步骤一：建立目标跟踪的系统模型：状态方程和观测方程其中k表示时刻，sk∈Rn为系统状态向量，在已知初始状态分布p(s0)的情况下，通过系统状态函数f(·)按时间传播，n是系统状态向量的维度；zk∈Rm是条件独立的观测向量，在给定状态的情况下，依据观测似然函数p(zk|sk)产生，m是观测向量的维度；fk:Rn×Rr→Rn是系统的非线性状态函数；hk:Rn×Rp→Rm是系统的观测函数；wk‑1∈Rr、vk∈Rp分别为系统过程噪声和观测噪声；步骤二：初始化，k＝0，根据先验概率分布p(s0)建立初始状态样本集其中权值为i表示第i个粒子，下文中的i也表示相同含义；N代表粒子总数；步骤三：k＝k+1，根据观测模型，计算本时刻的观测值zk；步骤四：利用无迹变换更新每个粒子的状态和方差表示粒子的更新前的状态；其中，Kk是第k时刻粒子滤波器的增益，P表示的是对应上下标的方差；zk代表真实的测量值，而表示根据无迹变换得到的测量估计值；步骤五：根据高斯混合方法，预测粒子集权重归一化重要性权重获得粒子集其中，Q和R分别是系统过程噪声和观测噪声的方差；步骤六：利用得到的粒子集对后验概率分布进行估计，得到系统状态步骤七：对原始粒子集采用自适应重采样获得优化后的粒子集，权值为步骤八：转到步骤三。