基于鸽群优化改进的粒子滤波算法

韩锟; 张赫

doi:10.13873/j.1000-9787(2018)11-0139-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于鸽群优化改进的粒子滤波算法

计算与测试 | 更新时间：2025-09-11

- 基于鸽群优化改进的粒子滤波算法
- Improved PF algorithm based on PIO
- 传感器与微系统 2018年37卷第11期页码：139-141+144
- 作者机构：
  
  中南大学交通运输工程学院
- 作者简介：
- 基金信息：
  
  湖南省自然科学基金资助项目（2016JJ4117）;中南大学中央高校基本科研业务费专项资金资助项目（2017ZZTS810）
- DOI：10.13873/j.1000-9787(2018)11-0139-03
  中图分类号： TP18
- 纸质出版：2018
- 稿件说明：
移动端阅览
[1]韩锟,张赫.基于鸽群优化改进的粒子滤波算法[J].传感器与微系统,2018,37(11):139-141+144.

HAN Kun, ZHANG He. Improved PF algorithm based on PIO[J]. 2018, 37(11): 139-141+144.
[1]韩锟,张赫.基于鸽群优化改进的粒子滤波算法[J].传感器与微系统,2018,37(11):139-141+144. DOI： 10.13873/j.1000-9787(2018)11-0139-03.

HAN Kun, ZHANG He. Improved PF algorithm based on PIO[J]. 2018, 37(11): 139-141+144. DOI： 10.13873/j.1000-9787(2018)11-0139-03.

摘要

针对粒子滤波算法重采样导致的样本贫化问题

提出基于鸽群优化（PIO）思想改进的粒子滤波算法。将鸽群不断从较远位置飞向适应度值高的地方的归巢过程引入到粒子滤波中

驱使粒子不断向高似然区域移动

并将自适应交叉操作加入到鸽群优化过程当中

保障样本多样性。通过非线性模型仿真实验表明

所提算法相对于标准粒子滤波算法

精度提高了45%

稳定性提高了72%

同时降低了状态估计所需的粒子数量。

Abstract

A particle filtering（PF） algorithm based on pigeon-inspired optimization（PIO） is proposed

aiming at problem of sample impoverishment caused by resampling of PF algorithm.When pigeons fly

they usually fly from a far position to high fitness areas constantly.This optimum process is introduced into PF to drive particles moving towards high likelihood areas ceaselessly. And adaptive crossover operation is added to the process of PIO to guarantee the diversity of samples. The nonlinear model simulations experiments show that the precision of the proposed algorithm is improved by 45 % compared with the standard PF algorithm

the stability is improved by72 %

and the number of particles required for the state estimation is reduced at the same time.

关键词

Keywords

references

鸽群优化算法研究进展 [J]. 段海滨,叶飞. 北京工业大学学报 . 2017(01)

萤火虫算法智能优化粒子滤波 [J]. 田梦楚,薄煜明,陈志敏,吴盘龙,赵高鹏. 自动化学报 . 2016(01)

粒子滤波理论、方法及其在多目标跟踪中的应用 [J]. 李天成,范红旗,孙树栋. 自动化学报 . 2015(12)

粒子滤波算法 [J]. 王法胜,鲁明羽,赵清杰,袁泽剑. 计算机学报 . 2014(08)

基于正则化粒子滤波的磁梯度张量跟踪方法 [J]. 张光,张英堂,任国全,孙晖. 探测与控制学报 . 2014(02)

一种新型的基于自适应遗传算法的粒子滤波算法 [J]. 汪荣贵,李孟敏,吴昊,沈法琳. 中国科学技术大学学报 . 2011(02)

基于SSPF算法的移动机器人全局定位研究 [J]. 罗颖,谭冠政. 传感器与微系统 . 2008(05)

粒子群优化粒子滤波方法 [J]. 方正,佟国峰,徐心和. 控制与决策 . 2007(03)

基于鸽群算法的函数优化问题求解 [D]. 周雨鹏. 东北师范大学 2016

粒子滤波算法及其应用[M]. 科学出版社 , 朱志宇, 2010

Artificial Fish Swarm Algorithm-Based Particle Filter for Li-Ion Battery Life Prediction [J] . Ye Tian,Chen Lu,Zili Wang,Laifa Tao,Qingsong Xu. Mathematical Problems in Engineering . 2014

Pigeon-inspired optimization: a new swarm intelligence optimizer for air robot path planning [J] . Haibin Duan,Peixin Qiao. International Journal of Intelligent Computing and Cybernetics . 2014 (1)

Sequential Monte Carlo methods for parameter estimation in nonlinear state-space models [J] . Meng Gao,Hui Zhang. Computers and Geosciences . 2012

Deterministic resampling: Unbiased sampling to avoid sample impoverishment in particle filters [J] . Tiancheng Li,Tariq Pervez Sattar,Shudong Sun. Signal Processing . 2011 (7)

Particle filter with ant colony optimization for frequency offset estimation in OFDM systems with unknown noise distribution [J] . Yihua Yu,Xuanyuan Zheng. Signal Processing . 2010 (5)

浏览量

294

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GPU的BBPSO-PF算法及其在故障检测中的应用

基于粒子滤波的PDR定位算法

基于激光扫描测距的机器人粒子滤波定位技术研究

粒子滤波的噪声相关下单步延迟无序量测更新算法

改进粒子滤波的无线传感器网络目标跟踪算法