基于分类进化重采样的粒子滤波方法技术

本发明专利技术提供的一种基于分类进化重采样的粒子滤波方法，包括采样步骤、权重赋值步骤、判断步骤、重采样步骤以及优化步骤，其中所述重采样步骤根据所述当前粒子集的每个粒子的权值大小，将所述当前粒子集分类为小权值粒子种群、保留粒子种群和大权值粒子种群，将所述大权值粒子种群进行裂变获得大权值裂变粒子种群，将所述大权值裂变粒子种群与所述小权值粒子种群进行差分进化，获得最优粒子集。上述粒子滤波方法，在重采样过程中，首先对大权值粒子种群进行裂变，然后采用差分进化方法同小权值种群进行优化，通过突变、交叉、选择产生新粒子种群，避免了对历史小权值信息的丢弃，避免了粒子滤波权值退化，保证了样本的多样性。

【技术实现步骤摘要】
基于分类进化重采样的粒子滤波方法
本专利技术涉及粒子滤波
，特别是涉及一种基于分类进化重采样的粒子滤波方法。
技术介绍
粒子滤波(ParticleFilter,PF)是一种基于蒙特卡罗方法(MonteCarloMethods)仿真的递推贝叶斯估计方法，它是在序贯重要性采样(SequentialImportanceSampling,SIS)的基础上，再进行重采样的一个递推过程。粒子滤波方法可以有效地处理非线性、非高斯噪声环境下的状态估计问题，被广泛用于在目标跟踪、导航定位等领域。自从1993年戈登(Gordon)等提出重采样方法(SamplingImportanceResembling,SIR)以来，出现了很多重采样方法，比较经典的有残差重采样(ResidualResampling,RR)、多项式重采样(MultinomialResampling,MR)和系统重采样(SystematicResampling,SR)。虽然这些重采样方法实现的手段不同，但采样的思想相同，都是通过丢弃小权值粒子，对大权值粒子重新分配权值获取新的粒子集合。虽然在一定程度上缓解了样本退化的问题，但随着时间的延长，大权值粒子多次被复制，粒子集的多样性丧失。经过若干次迭代以后，用于估计的粒子集合只是部分有限状态的子代粒子，严重丧失了状态的遍历性能，特别是在系统状态分布具有严重拖尾现象的时候，迭代时间越长、精度越差。针对这一问题，研究人员提出了不少改进方法，总结起来主要分为两类：第一类是基于“优选建议分布函数”的思想，通过滤波技术将最新的观测信息融入到建议分布函数中，增强当前时刻观测信息对粒子多样性的修正作用。例如，王法胜等采用扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)对最新观测信息进行滤波优化，生成建议分布函数，改善了粒子退化问题，但是EKF的一阶线性近似性却引入了额外的近似误差，同样会产生误差累积效应。Julier等的无迹卡尔曼滤波(UnscentedKalmanFilter,UKF)估计生成建议分布函数，可以达到2阶以上的近似能力，进一步提升了滤波精度，降低了粒子滤波权值退化问题，但是复杂的UT(UnscentedTransformation)变换却导致算法的实时性太差。WuCL等采用具有三阶精度的容积卡尔曼滤波生成建议分布函数，由于容积卡尔曼滤波的多数计算均可采用离线形式，提升滤波精度的同时，并没由增加计算负担，虽然这类基于建议分布函优化的方法一定程度上增强了最新观测信息对粒子多样性的保持作用，但是改善的精度严重依赖观测信息的估计方法，没有改善重采样的实现手段，无法避免权值衰退的产生。第二类是基于“优化重采样策略”的思想，通过智能寻优的方法改变重采样手段。Grisetti等利用网格分割的思想权重的重新分配，提出了确定性重采样方法，由于网格整体风格的计算量过大，限制了该技术的进一步发展。Cheng等通过设置权重阈值，将权值粒子集分为两个采样集合，保留大权值粒子，并结合小权值进行分层采样，每一次采样后都会摒弃大量的小权值粒子，降低了多样性；在此基础上，Zhang等提出采用遗传算法对剩余粒子进行优化分析，针对大小权值粒子采取不同的遗传变异修正处理方式实现了遗传算法重采样方法(GeneticalgorithmResampling,GAR)，提升了粒子滤波在机动目标跟踪中的滤波精度，但是每一次重采样都要对粒子集合的全体粒子操作，增加了算法本身的计算时间。如何在不增加计算时间的条件下避免粒子滤波方法的粒子滤波权值退化、样本贫化，提高粒子滤波方法的精确度和稳定性是本领域亟待解决的问题。
技术实现思路
基于此，有必要针对如何在不增加计算时间的条件下避免粒子滤波方法的粒子滤波权值退化、样本贫化，提高粒子滤波方法的精确度和稳定性的问题，提供一种基于分类进化重采样(classificationevolutionresampling，CER)的粒子滤波方法。本专利技术提供的一种基于分类进化重采样的粒子滤波方法，包括以下步骤：采样步骤，对建议密度函数进行采样，生成当前粒子集；权重赋值步骤，计算所述当前粒子集的每个粒子的权值；判断步骤，判断所述当前粒子集的有效粒子数Neff是否小于预设有效粒子阀值Nthr，当所述有效粒子数Neff小于所述预设有效粒子阀值Nthr时，执行重采样步骤；重采样步骤，根据所述当前粒子集的每个粒子的权值大小，将所述当前粒子集分类为小权值粒子种群、保留粒子种群和大权值粒子种群，将所述大权值粒子种群进行裂变获得大权值裂变粒子种群，将所述大权值裂变粒子种群与所述小权值粒子种群进行差分进化，获得最优粒子集；优化步骤，根据所述最优粒子集及相应的每个粒子的权值优化建议密度函数。在其中的一个实施例中，在所述重采样步骤中，将所述当前粒子集分类为小权值粒子种群、保留粒子种群和大权值粒子种群，包括：比较所述当前粒子集的每个粒子的权值与第一权值阀值ωthrmin以及第二权值阀值ωthrmax的大小，其中，所述第一权值阀值ωthrmin小于所述第二权值阀值ωthrmax；当所述当前粒子集的粒子的权值小于所述第一权值阀值ωthrmin时，所述当前粒子集的该粒子归为小权值粒子种群；当所述当前粒子集的粒子的权值大于所述第二权值阀值ωthrmax时，所述当前粒子集的该粒子归为大权值粒子种群；当所述当前粒子集的粒子的权值介于所述第一权值阀值ωthrmin和所述第二权值阀值ωthrmax之间时，所述当前粒子集的该粒子归为保留粒子种群。在其中的一个实施例中，在所述重采样步骤中，所述大权值裂变粒子种群的裂变个数为其中，N为小权值粒子种群的粒子个数，P为大权值粒子种群的粒子个数，K为保留粒子种群的粒子个数。在其中的一个实施例中，在所述重采样步骤中，所述大权值裂变粒子种群为所述大权值裂变粒子种群的粒子满足所述大权值裂变粒子种群的当前粒子的权值为所述大权值裂变粒子种群的新一代粒子的权值为所述大权值裂变粒子种群的粒子分布为其中，表示大权值裂变粒子种群的当前粒子，表示大权值裂变粒子种群的新一代粒子，且满足在其中的一个实施例中，在所述重采样步骤中，将所述大权值裂变粒子种群与所述小权值粒子种群进行差分进化，获得最优粒子集，包括：突变，从所述小权值粒子种群和所述大权值裂变粒子种群分别随机选取一个粒子，按照进行迭代，获得突变粒子种群，其中，是在第k次迭代中需要干扰的目标矢量，和是两个随机粒子，分别来所述小权值粒子种群和所述大权值裂变粒子种群。i1和i3分别为所述小权值粒子种群和所述大权值裂变粒子种群的索引，参量β控制差分变化的缩放比例；交叉，将所述突变粒子种群按照进行交叉，获的交叉粒子种群，其中，D表示维数，J为交叉点集合，其中的元素从集合{1,2,...,D}中随机的选择，表示矢量的第j个元素；选择，比较所述交叉粒子种群与所述大权值粒子种群的拟合效果的精确度，选择精确度高的粒子种群作为新一代粒子种群进行突变、交叉、选择迭代，直至粒子种群达到最大数目，获得最优粒子集。在其中的一个实施例中，评价所述拟合效果的拟合函数为其中，在其中的一个实施例中，在所述采样步骤中，所述建议密度函数为在其中的一个实施例中，在所述权重赋值步骤中，所述当前粒子集的每个粒子的权值为：本文档来自技高网...

【技术保护点】
1.一种基于分类进化重采样的粒子滤波方法，其特征在于，包括以下步骤：采样步骤，对建议密度函数进行采样，生成当前粒子集；权重赋值步骤，计算所述当前粒子集的每个粒子的权值；判断步骤，判断所述当前粒子集的有效粒子数Neff是否小于预设有效粒子阀值Nthr，当所述有效粒子数Neff小于所述预设有效粒子阀值Nthr时，执行重采样步骤；重采样步骤，根据所述当前粒子集的每个粒子的权值大小，将所述当前粒子集分类为小权值粒子种群、保留粒子种群和大权值粒子种群，将所述大权值粒子种群进行裂变获得大权值裂变粒子种群，将所述大权值裂变粒子种群与所述小权值粒子种群进行差分进化，获得最优粒子集；优化步骤，根据所述最优粒子集及相应的每个粒子的权值优化建议密度函数。

【技术特征摘要】
1.一种基于分类进化重采样的粒子滤波方法，其特征在于，包括以下步骤：采样步骤，对建议密度函数进行采样，生成当前粒子集；权重赋值步骤，计算所述当前粒子集的每个粒子的权值；判断步骤，判断所述当前粒子集的有效粒子数Neff是否小于预设有效粒子阀值Nthr，当所述有效粒子数Neff小于所述预设有效粒子阀值Nthr时，执行重采样步骤；重采样步骤，根据所述当前粒子集的每个粒子的权值大小，将所述当前粒子集分类为小权值粒子种群、保留粒子种群和大权值粒子种群，将所述大权值粒子种群进行裂变获得大权值裂变粒子种群，将所述大权值裂变粒子种群与所述小权值粒子种群进行差分进化，获得最优粒子集；优化步骤，根据所述最优粒子集及相应的每个粒子的权值优化建议密度函数。2.根据权利要求1所述的粒子滤波方法，其特征在于，在所述重采样步骤中，将所述当前粒子集分类为小权值粒子种群、保留粒子种群和大权值粒子种群，包括：比较所述当前粒子集的每个粒子的权值与第一权值阀值ωthrmin以及第二权值阀值ωthrmax的大小，其中，所述第一权值阀值ωthrmin小于所述第二权值阀值ωthrmax；当所述当前粒子集的粒子的权值小于所述第一权值阀值ωthrmin时，所述当前粒子集的该粒子归为小权值粒子种群；当所述当前粒子集的粒子的权值大于所述第二权值阀值ωthrmax时，所述当前粒子集的该粒子归为大权值粒子种群；当所述当前粒子集的粒子的权值介于所述第一权值阀值ωthrmin和所述第二权值阀值ωthrmax之间时，所述当前粒子集的该粒子归为保留粒子种群。3.根据权利要求2所述的粒子滤波方法，其特征在于，在所述重采样步骤中，所述大权值裂变粒子种群的裂变个数为i＝1,2,...,N-K；其中，N为小权值粒子种群的粒子个数，P为大权值粒子种群的粒子个数，K为保留...

【专利技术属性】
技术研发人员：黄镇谨，李瑞娟，马立军，封旭，黄力，
申请(专利权)人：广西科技大学，柳州职业技术学院，
类型：发明
国别省市：广西,45