一种基于高斯扰动的重采样粒子滤波算法制造技术
【技术实现步骤摘要】
本专利技术属于智能信息处理
，涉及一种基于高斯扰动的重采样粒子滤波算法。
技术介绍
目标跟踪问题实际上是目标状态的滤波问题，即根据传感器己获得的目标量测数据对所关心的目标状态进行精确的估计。对低信噪比光电图像序列中机动小目标的检测与跟踪问题而言，由于信噪比低，目标成像面积小，使得小目标跟踪和检测存在诸多困难，传统的手段难以实现。在近年提出的诸多先跟踪后检测方法中，递推贝叶斯滤波方法通过状态模型和量测模型，真正引入了跟踪的思想。其中，卡尔曼滤波器已被证明是线性高斯问题的最优贝叶斯实现。然而，实际跟踪问题受多种噪声干扰并且目标运动复杂，属于非线性非高斯问题，以线性和高斯的假设为基础的跟踪方法常导致跟踪失败。基于蒙特卡罗近似估计的粒子滤波方法在工程上实现了非线性系统的贝叶斯滤波思想，是目前小目标跟踪问题中研究的重点。粒子滤波方法中的重采样虽然在一定程度上缓解权值退化现象，但同时也引入了新的问题，即权值越大的粒子子代越多，而权值较小的粒子被逐步削弱或剔除，最极端的情况是新的粒子集实际都是一个权值最大的粒子的子代，引起样本空间的崩塌，也就是“样本枯竭”现象，采样结果中包含了许多重复点，从而损失了粒子的多样性，导致粒子滤波状态估计精度的降低，就小目标跟踪问题而言，在极端情况下会导致跟踪的失败，而要提高状态估计精度和保证小目标的跟踪精度，需要在粒子滤波迭代过程中保证粒子的多样性。
技术实现思路
为了解决上述问题，本专利技术提出了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(S...
【技术保护点】
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...
【技术特征摘要】
1.一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...
【专利技术属性】
技术研发人员：周蓉，藤婧，吴梦华，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。