一种全局最优粒子滤波方法及全局最优粒子滤波器

摘要

本发明涉及一种全局最优粒子滤波方法及全局最优粒子滤波器，属于信号处理领域，克服了现有的粒子滤波器会造成采样样本与真实后验概率密度样本存在较大偏差的缺点，有效地解决了粒子滤波处理非线性和非高斯信号的问题。主要技术手段是利用拉马克遗传自然法则，构造了一种全局最优的粒子滤波器，包括：产生初始粒子集；使用不敏卡尔曼滤波对初始粒子集进行重要性采样，得到采样粒子；对每一个采样粒子进行浮点数编码，得到编码后的粒子集；设置初始种群；将初始种群作为原始试验种群，依次进行拉马克重写操作、实数解码操作以及精英保留操作；将实数形式的最优候选粒子作为下一时刻的预测样本，得到系统的状态估计值。本发明适用于机器学习。