[发明专利]基于马尔科夫链蒙特卡洛粒子滤波定位方法

摘要

本发明公开了一种基于马尔科夫链蒙特卡洛粒子滤波定位方法，其特征在于：包括以下步骤，1、初始化；2、粒子重要性采样；3、计算权值；4、重采样；5、相关性判断；6、引入MCMC移动步骤；7、进入下一时刻。本发明通过分析两次滤波之间的相关性，来判断粒子是否集中；通过在粒子率重要性采样阶段融入云端观测数据，以减少所需的粒子数；通过马尔科夫蒙特卡洛移动处理降低粒子的匮乏效应。本发明建立马尔科夫链蒙特卡洛粒子滤波定位机制，使得云端监控数据与地图等进行匹配，实现智慧停车。

主权项

1.基于马尔科夫链蒙特卡洛粒子滤波定位方法，其特征在于：包括以下步骤，步骤1，取时刻k＝1；步骤2，从概率密度函数p(x_k)中抽取一组初始粒子为k时刻从概率密度函数中抽取的第i个粒子，i∈[1,N]；步骤3，k＝k+1；步骤4，粒子重要性采样为其中，q(·)为重要性概率密度函数，当k＝2时，当k＞2时，z_1:k＝{z₁,z₂,…,z_k}是到时刻k的测量集合，z_k为时刻k时得到的测量值；步骤5，计算权值，其中，分别为的权值，p(·|·)为概率密度函数；步骤6，归一化权值其中，j∈[1,N]；步骤7，重采样；定义一个阈值d，当粒子的归一化权值小于d时，除去该粒子，当粒子的归一化权值大于d时，复制该粒子，重新采用得到N个近似服从分布的样本重新设定粒子的权值为步骤8，判断时刻k是否为2，如果是，转至步骤10，否则，转至步骤9；步骤9，将相邻时刻的两组重采样粒子进行比较，获得两组重采样粒子的相关性，如果两组重采样粒子的相关性强，则结束整个定位过程；否则转至步骤10；步骤10，引入MCMC移动步骤，得到后验概率为其中，δ(·)为狄拉克函数；步骤11，k＝k+1，转至步骤4。