基于JSD自适应粒子滤波的移动机器人定位算法

摘要

粒子滤波算法中存在粒子退化、多样性缺失以及粒子数自适应问题。针对上述问题,首先,用先验转移概率密度和观测似然概率密度的混合分布作为重要性密度函数,用退火参数调控两者的比例,根据自适应参数优化控制机制对退火参数进行优化。其次,采用JS距离对采样粒子数进行动态调控,增强算法实时性。最后,通过遗传变异方法对粒子集进行调整,在一定程度上保持粒子多样性。仿真结果表明:与基于KL距离采样的蒙特卡罗定位算法相比,改进算法的精度提高了63.48%,平均定位误差为19.051 cm,用时减少了48.92%,达到39.268 s,采样粒子数维持在80个,改进算法的有效性得到验证。