[发明专利]一种基于高斯扰动的重采样粒子滤波算法

摘要

本发明属于智能信息处理技术领域，涉及一种基于高斯扰动的重采样粒子滤波算法。具体为在重采样过程中对重复采样的高权值粒子增加高斯扰动扩散，在非线性和非高斯系统中用来估计系统状态，用于无特征的小目标跟踪定位中，解决迭代过程中重采样后粒子的多样性丧失问题，在保证粒子有效性的前提下增加粒子多样性，增加了粒子逼近目标的概率，在不增加计算量和存储量的条件下，降低了跟踪误差，提高了小目标跟踪精度；从计算量角度来看，尽管增加了基于高斯扰动的扩散过程，但是由于粒子的收敛速度加快，改进算法的执行时间和系统重采样算法接近。

主权项

一种基于高斯扰动的重采样粒子滤波算法，其特征在于，所述方法的步骤为步骤1、初始化，在初始时刻k＝0时，从系统状态的先验概率密度分布函数p(S0)～U(Λ)中采样得到粒子集合其中，U表示均匀分布函数，Λ表示系统状态的均匀分布区间，N为采样粒子数目，表示在k＝0时刻采样得到的第i个粒子，为第i个粒子的权值，此时所有粒子重要性权值相同，均为初始化后进入粒子滤波迭代过程，令k＝1；步骤2、从重要性概率密度分布函数中采样：对粒子依据系统状态模型进行预测；式中表示在k时刻采样得到的第i个粒子、p(Sk|Sk‑1)为重要性概率密度分布函数；步骤3、根据由观测模型确定的似然函数计算每个粒子权值并对权值归一化，归一化后粒子的权值为式中，Zk为观测值，为k时刻第i个粒子的权值；此时系统状态后验概率密度分布函数近似为式中Sk为待估计的k时刻的系统状态，δ为单位脉冲函数；步骤4、计算有效粒子的数目步骤5、当有效粒子数目Neff大于等于设定阈值时，输出系统状态估计值否则当有效粒子数目小于设定阈值时，进入步骤6；步骤6、启动重采样过程进行重采样，对粒子集进行重采样得到新的粒子集步骤7、比较k是否到达结束时刻T，若k＜T,则k＝k+1跳至步骤2；若k≥T则结束。