一种改进的多单元粒子滤波算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (36): 155-158.

• 数据库、信号与信息处理 • 上一篇下一篇

一种改进的多单元粒子滤波算法

代少升，齐威

重庆邮电大学信号与信息处理重庆市重点实验室，重庆 400065

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-21 发布日期:2011-12-21

Improved multi-unit particle filter

DAI Shaosheng，QI Wei

Chongqing Key Laboratory of Signal and Information Processing，Chongqing University of Posts and Telecommunications，Chongqing 400065，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-21 Published:2011-12-21

摘要/Abstract

摘要： 针对粒子滤波重采样时运算量大的问题，提出一种改进的多单元粒子滤波算法，该算法在多单元粒子滤波的理论基础上，通过加入数据采样步骤，对多个单元的粒子数据进行分组，对其采样选取各组数据的最大值，有效减少系统重采样时的粒子数，提高系统运算效率。实验结果表明：在相同的条件下，相对于多单元粒子滤波，该算法运行时间减少10倍，精度提高20倍，能够满足实时应用要求。

关键词: 粒子滤波, 重采样, 最大值, 平均均方误差

Abstract: Traditional particle filter are not used in practice mainly because they cannot satisfy real-time requirements.So this paper presents an efficient implementation model for multi-unit particle filter.In this model，the multiple units of particle data are divided into many groups，and then selected maximum value to the sampling data in each group.This method is effective in reducing re-sampling number of particles，and can improve operation efficiency.The experimental results prove that the model has better operation efficiency，higher accuracy and it easily satisfies real-time requirements.

Key words: particle filter, re-sampling, maximum value, average mean-square errors

代少升，齐威. 一种改进的多单元粒子滤波算法[J]. 计算机工程与应用, 2011, 47(36): 155-158.

DAI Shaosheng，QI Wei. Improved multi-unit particle filter[J]. Computer Engineering and Applications, 2011, 47(36): 155-158.

[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]	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.
[3]	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.
[4]	顾兆军，吴优，赵春迪，周景贤. 流量的集成学习与重采样均衡分类方法[J]. 计算机工程与应用, 2020, 56(6): 86-91.
[5]	徐玲玲，迟冬祥. 面向不平衡数据集的机器学习分类策略[J]. 计算机工程与应用, 2020, 56(24): 12-27.
[6]	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.
[7]	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.
[8]	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.
[9]	侯贝贝，刘三阳，普事业. 基于边界混合重采样的非平衡数据分类方法[J]. 计算机工程与应用, 2020, 56(1): 46-52.
[10]	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.
[11]	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.
[12]	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.
[13]	郭秋红1，梁秀霞1，2. 对3D Warping分解的高质量虚拟视点绘制方法[J]. 计算机工程与应用, 2019, 55(3): 184-190.
[14]	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.
[15]	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.

一种改进的多单元粒子滤波算法

Improved multi-unit particle filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics