基于广义回归神经网络的粒子滤波算法研究

• 作者: 庞涛 张芝贤 李兴凯 王尔申
• 来源期刊: 沈阳航空航天大学学报
• 学科: 工学
• 关键词: 粒子滤波 神经网络 粒子退化 广义回归神经网络
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 电信工程
• 页码范围: 54-58
• 页数: 5页
• 分类号: TN911
• 字数: 3198字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1248.2014.06.010

摘要

针对基本粒子滤波算法存在的粒子退化问题,提出了一种基于广义回归神经网络(GRNN)的重要性样本调整的粒子滤波算法.利用广义回归神经网络优化从重要性密度函数采样的样本,将样本作为神经网络的输入,以观测值作为神经网络的目标向量,通过多次训练优化光滑因子逼近目标向量,用样本值和其周围的调整值作为训练后神经网络的输入向量,通过神经网络的输出向量指示用最优点来取代样本值.利用GRNN对样本进行调整,使得样本更接近于后验概率密度.仿真结果表明:基于广义回归神经网络的粒子滤波算法的性能在有效粒子数和均方误差参数方面优于基本粒子滤波算法,在改善滤波精度方面取得了较好的效果,验证了广义回归神经网络在粒子滤波算法中是可用的和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王尔申	沈阳航空航天大学电子信息工程学院	80	425	10.0	17.0
2	张芝贤	沈阳航空航天大学电子信息工程学院	51	201	7.0	11.0
3	李兴凯	沈阳航空航天大学电子信息工程学院	4	23	4.0	4.0
4	庞涛	沈阳航空航天大学电子信息工程学院	49	279	9.0	14.0