改进粒子滤波的分类进化重采样策略
123 浏览量
更新于2024-08-30
收藏 802KB PDF 举报
本文主要探讨了一种新颖的"基于分类进化的重采样方法",针对粒子滤波在实际应用中常见的权值退化和样本贫化问题提出了改进策略。该方法由兰州理工大学电气工程与信息工程学院、甘肃省制造业信息化工程研究中心以及计算机与通信学院的李伟、曹洁、李军和王进花等人合作完成,并得到了国家自然科学基金(项目号61263031)的支持。
在传统粒子滤波中,随着过滤过程的推进,粒子的权值可能会逐渐趋向于零,导致部分重要信息被稀释,这被称为权值退化。为了克服这个问题,该研究团队将采样粒子集按照其权值大小划分为三个类别:小权值种群、保留种群和大权值裂变种群。保留种群保持不变,而大权值粒子则通过差分进化算法进行优化处理,通过变异、交叉和选择操作产生新的粒子种群。这种方法旨在保留历史信息,防止对小权值粒子的知识丢失,从而提高状态估计的精度和跟踪稳定性。
在仿真研究中,该方法显示出在粒子数量较少且仿真时间较长的复杂环境中,相较于传统重采样方法,具有显著的优势。实验结果显示,分类进化重采样方法对于解决权值退化问题更为有效,有助于提升系统的整体性能。文章的关键词包括状态估计、粒子滤波、权值退化和差分进化,这些关键词体现了论文的核心内容和研究领域。
这篇研究论文的索引号为1001-506X,发表在《系统工程与电子技术》杂志上,具体期号未给出,但网络出版时间为2016年,表明了研究成果的时效性。这项工作对提高粒子滤波在动态环境下的估计精度和鲁棒性具有重要的理论价值和实际应用潜力。
2023-02-23 上传
2021-09-24 上传
2019-08-13 上传
2019-08-13 上传
2021-09-26 上传
2021-10-10 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38657115
- 粉丝: 5
- 资源: 905
最新资源
- Android圆角进度条控件的设计与应用
- mui框架实现带侧边栏的响应式布局
- Android仿知乎横线直线进度条实现教程
- SSM选课系统实现:Spring+SpringMVC+MyBatis源码剖析
- 使用JavaScript开发的流星待办事项应用
- Google Code Jam 2015竞赛回顾与Java编程实践
- Angular 2与NW.js集成:通过Webpack和Gulp构建环境详解
- OneDayTripPlanner:数字化城市旅游活动规划助手
- TinySTM 轻量级原子操作库的详细介绍与安装指南
- 模拟PHP序列化:JavaScript实现序列化与反序列化技术
- ***进销存系统全面功能介绍与开发指南
- 掌握Clojure命名空间的正确重新加载技巧
- 免费获取VMD模态分解Matlab源代码与案例数据
- BuglyEasyToUnity最新更新优化:简化Unity开发者接入流程
- Android学生俱乐部项目任务2解析与实践
- 掌握Elixir语言构建高效分布式网络爬虫