基于目标跟踪的风驱动优化粒子滤波算法研究

田栋; 曹中清; 陈彬彬; 余胜威

Chinese

您当前的位置：

首页 >

文章列表页 >

基于目标跟踪的风驱动优化粒子滤波算法研究

更新时间：2026-09-04

- 基于目标跟踪的风驱动优化粒子滤波算法研究
- Research on Wind Driven Optimization Particle Filter Algorithm Based on Target Tracking
- 微电子学与计算机 2017年34卷第5期页码：30-34
- 作者机构：
  
  1. 西南交通大学机械工程学院,四川,成都,610031
  2. 华为技术有限公司,广东,深圳,518129
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
田栋, 曹中清, 陈彬彬, 余胜威. 基于目标跟踪的风驱动优化粒子滤波算法研究[J]. 微电子学与计算机, 2017, 34(5): 30-34.

TIAN Dong, CAO Zhong-qing, CHEN Bin-bin, et al. Research on Wind Driven Optimization Particle Filter Algorithm Based on Target Tracking[J]. 2017, 34(5): 30-34.
田栋, 曹中清, 陈彬彬, 余胜威. 基于目标跟踪的风驱动优化粒子滤波算法研究[J]. 微电子学与计算机, 2017, 34(5): 30-34. DOI：

TIAN Dong, CAO Zhong-qing, CHEN Bin-bin, et al. Research on Wind Driven Optimization Particle Filter Algorithm Based on Target Tracking[J]. 2017, 34(5): 30-34. DOI：

摘要

针对基本粒子滤波在重采样阶段存在粒子退化和粒子匮乏缺点

提出了一种基于风驱动优化的改进粒子滤波算法.算法将风驱动优化(WDO)思想引进粒子滤波

在粒子滤波重采样过程前

首先利用风驱动优化算法进行优化.风驱动优化算法将最新观测值融合到粒子进化公式中

经过风驱动优化后的大部分粒子朝着后验概率分布比较密集的区域运动

分布在最优粒子附近

从而减少了重采样过程中权值高的粒子被舍弃的概率

缓解样本贫化问题.通过非线性目标跟踪模型对改进的粒子滤波算法进行误差值分析

并与基本粒子滤波算法、粒子群优化粒子滤波算法比较.仿真结果证明改进后的粒子滤波算法降低了变量误差

从而提高了粒子滤波的跟踪能力.

Abstract

For the particle degradation and particle scarcity of the resampling process of traditional Particle Filter Algorithm

a wind driven optimization particle filter algorithm was proposed in this paper. The ideology of wind driven optimization was introduced in this algorithm

before resampling

the particle is optimized by wind driven optimization firstly. Due to wind driven optimization algorithm incorporated the latest observation into the particle evolution formulas

most of the particles after wind driven optimization optimized moved to the dense area of posterior probability distribution and gathered in the vicinity of the optimal particle. Thus decrease the probability of abandoning high weight particles

and alleviate the sample impoverishment problem. Through the analysis of using improved particle filter algorithm onto nonlinear target tracking model

and compared with traditional filter algorithm and particle swarm particle filter algorithm. The simulation result proves that the improved algorithm decreases variable error. Thereby

this improved particle filter algorithm has better filtering performance.

关键词

Keywords

references

Gordon N, Salmond D, Smith A. Novel approach to nonlinear/non-gaussian bayesian state estimation[J]. IEE Proceedings F, 1993, 140(2): 107-113. DOI: 107

张才千, 葛磊, 韩东. 基于目标跟踪的粒子群粒子滤波算法研究[J]. 计算机仿真, 2014, 31(8): 392-396. DOI: 392

常天庆, 李勇. 一种改进重采样的粒子滤波算法[J]. 计算机应用研究, 2013, 30(3): 748-750. DOI: 748

Li T, Sattar T, Sun S. Deterministic resampling: unbiased sampling to avoid sample improverishment in particle filters[J]. Signal Processing, 2012, 92(7): 1637-1645. DOI: 1637

Charles H. Contributon monte carlo method[J]. Nuclear Science and Engineering, 1994, 118(3): 160-177. DOI: 160

Djuric P, Bugallo M. Particle filtering[J]. Signal Processing Magazine IEEE, 2003, 20(5): 19-38. DOI: 19

Carpenter J, Clifford P, Fearnhead P. Improved particle filter for non-linear problems[J]. IEE Proceedings F, 1999, 146(1): 2-7. DOI: 2

Zikri Bayraktar, Muge Komurcu, Jeremy A Bossard, et al. The wind driven optimization technique and its application in electromagnetics[J]. IEEE Transctions On Antennas And Propagation, 2013, 61(5): 2745-2755. DOI: 2745

陈彬彬, 曹中清. 基于风驱动优化算法WDO的PID参数优化[J]. 计算机工程与应用, 2016, 52(14): 250-253. DOI: 250

刘刚, 梁晓庚. 遗传重采样粒子滤波的目标跟踪研究[J]. 计算机工程与应用, 2010, 46(19): 196-199. DOI: 196

祝继华. 基于ICP算法和粒子滤波的位置环境地图创建[J]. 自动化学报, 2009, 35(8): 1107-1113. DOI: 1107

王鑫, 唐振民. 一种改进的基于Camshift的粒子滤波实时目标跟踪算法[J]. 中国图像图形学报, 2010, 15(10): 1507-1514. DOI: 1507

朱明清, 王智灵. 基于Bhattacharyya系数的粒子滤波视觉跟踪算法[J]. 控制与决策, 2012, 27(10): 1579-1583. DOI: 1579

王法胜, 鲁明羽, 赵清杰, 等. 粒子滤波算法[J]. 计算机学报, 2014, 37(8): 1679-1694. DOI: 1679

任作琳, 张儒剑. 风驱动优化算法[J]. 江苏科技大学学报(自然科学版), 2015, 29(2): 153-158. DOI: 153

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于图像退化模型的遥感成像仿真的研究

面向星载数据管理系统的SpaceWire总线仿真系统开发

基于Balsa-Xilinx FPGA的异步设计流程

TTCAN网络调度平台的设计优化

基于多尺度融合与小目标增强的航拍车辆检测算法