基于遗传算法的智能粒子滤波重采样策略研究

摘要

智能粒子滤波通过借鉴遗传算法思想能够减轻粒子退化现象.在基于遗传算法的智能粒子滤波基础上,该文提出对低权值粒子的改进的智能粒子滤波(IIPF)处理策略.在对粒子进行分离、交叉后,优化遗传算子,对低权值粒子进行自适应处理.低权值粒子根据权值大小自行判断是否为底层粒子;底层粒子将直接进行变异,其余低权值粒子将根据变异概率随机变异.仿真结果表明,改进的智能粒子滤波(IIPF)性能优于智能粒子滤波、一般粒子滤波算法和拓展卡尔曼滤波.在1维仿真实验中,改进的智能粒子滤波误差较一般粒子滤波算法和智能粒子滤波分别降低了10.5％和8.5％,且具有更好的收敛性;在多维仿真实验中,改进的智能粒子滤波较智能粒子滤波在高度均方根误差和平均误差上分别降低了8.5％和7.5％,在速度均方根误差和平均误差上分别降低了11.5％和7.6％;在乘性噪声和非高斯随机噪声中,改进的智能粒子滤波依旧有10％以上的性能优势.