基于社会蜘蛛群优化的粒子滤波算法研究

摘要

重采样技术是改进标准粒子滤波器粒子退化的关键技术,但也造成了样本枯竭.针对重采样技术,提出了一种基于社会蜘蛛群优化的粒子滤波算法.针对样本枯竭问题,一方面依据有效粒子数,设置阈值判断是否重采样;另一方面依据可复制粒子数,以高斯分布在大权重粒子均值附近随机选取粒子,保证了算法的实时性以及粒子多样性.针对算法的收敛能力,首先依据群体突变思想,当迭代次数达到设置的动态次数因子,初始化粒子;其次依据粒子的寻优速度和程度因子,动态自适应调整粒子权重;最后依据遗传算法的交叉概率,限制新粒子诞生速度,从而提高算法的整体收敛性能.通过对比可知,该算法的整体性能优于其他改进算法,能够有效解决非线性误差对滤波精度的影响.