一种粒子滤波的改进算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (17): 47-50.

一种粒子滤波的改进算法

汲清波1，2，杨洋2

1.北京航空航天大学自动化科学与电气工程学院，北京 100191
2.哈尔滨工程大学信息与通信工程学院，哈尔滨 150001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-11 发布日期:2011-06-11

Improved algorithm of particle filtering

JI Qingbo1，2，YANG Yang2

1.School of Automation Science and Electrical Engineering，Beihang University，Beijng 100191，China
2.Information and Communication Engineering College，Harbin Engineering University，Harbin 150001，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-11 Published:2011-06-11

摘要/Abstract

摘要： 在强非线性、非高斯系统、高精度测量的环境下，针对粒子滤波（PF）算法的跟踪性能降低问题，提出一种PF的改进算法。由于PF算法的计算量虽然小但精度不高，而无迹粒子滤波（UPF）算法精度虽然很高但计算量过大，结合PF算法计算量小和UPF算法精度高的优势，提出一种PF改进算法。对PF、UPF和PF改进算法三种跟踪算法进行了仿真，结果表明，改进PF算法的跟踪精度和UPF的跟踪精度相当，但所需运算时间仅为UPF算法的35%左右。

关键词: 粒子滤波, 无迹粒子滤波, 后验概率密度函数, 非线性滤波

Abstract: Aiming at solving the problem that PF tracking performance reduces in the situation of strong-nonlinear，non-Gaussian and high precision measurements，an improved algorithm is proposed.The algorithm of PF has small calculation but low precision，however，the algorithm of UPF is just opposite.As a result，an improved algorithm is proposed which combines the advantages of the algorithm of PF and UPF.Simulations about PF，UPF and the improved PF are performed.Results show that the tracking precision of the improved algorithm is almost the same as that of UPF，but with as 35% long as the time of UPF.

Key words: particle filtering, unscented particle filtering, posterior probability density function, non-linear filtering

汲清波1，2，杨洋2. 一种粒子滤波的改进算法[J]. 计算机工程与应用, 2011, 47(17): 47-50.

JI Qingbo1，2，YANG Yang2. Improved algorithm of particle filtering[J]. Computer Engineering and Applications, 2011, 47(17): 47-50.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[3]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[4]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[5]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[6]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[7]	王晓华，聂腾腾. 改进的布谷鸟算法优化粒子滤波研究[J]. 计算机工程与应用, 2020, 56(12): 60-65.
[8]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[9]	昝孟恩，周航，韩丹，杨刚，许国梁. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用, 2019, 55(5): 8-17.
[10]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[11]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[12]	胡正平，王欣，孙德刚. 余弦权重逆稀疏框架视频目标跟踪算法[J]. 计算机工程与应用, 2019, 55(21): 206-213.
[13]	任臻1，李积英1，吴昊2. 基于M估计的鲁棒后向平滑CKF单站跟踪算法[J]. 计算机工程与应用, 2019, 55(11): 74-79.
[14]	段苛苛，邰滢滢. 基于二值掩码图像的粒子滤波目标跟踪快速算法[J]. 计算机工程与应用, 2017, 53(22): 16-20.
[15]	徐喆，胡亮. 用于前车追踪的多特征融合粒子滤波算法改进[J]. 计算机工程与应用, 2017, 53(19): 173-178.