搜索能力自适应增强的群智能粒子滤波

摘要

针对传统粒子滤波的退化、样本枯竭现象及其导致的状态推理精度差的问题,提出了一种新型粒子滤波算法.利用群智能优化算法中的粒子群优化算法作为优化手段,改进粒子的先验分布.通过自适应地调节粒子的惯性权值增强粒子群的探索和开发能力,减少粒子群优化算法的早熟现象,使得采样后的粒子朝着高似然区域移动,从而有效地提高系统状态推理精度.利用Crame'r-Raolowerbound定义了算法有效性的度量.通过仿真实验证明该算法是有效和稳定的.