基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
如何解决粒子的退化问题和提高算法对突变状态的跟踪能力,是粒子滤波算法研究和应用中需要考虑的两个主要因素。传统的再采样算法虽然可以解决退化问题,但是容易导致粒子耗尽;扩展粒子滤波算法虽然可在一定程度上解决粒子耗尽问题,但其对突变状态的跟踪能力却不近人意;强跟踪粒子滤波算法可以提高对突变状态的跟踪能力,但却未能较好地改善粒子退化问题。针对上述问题,本文将随机摄动再采样方法引入强跟踪粒子滤波算法,提出了一种随机摄动强跟踪粒子滤波算法。当粒子退化问题严重时,对权值最大的粒子迭加随机摄动,用摄动粒子替换退化粒子以解决粒子退化问题,同时由于摄动粒子的加入增加了粒子集的多样性,可在一定程度上缓解粒子耗尽问题,提高算法对突变状态的跟踪能力。利用标准验证模型和分时恒定系统对所提出的算法进行了仿真验证,仿真结果证明了该算法的可行性和有效性。
推荐文章
随机摄动粒子群优化算法
粒子群优化算法
随机摄动
进化种群多样性
强跟踪粒子滤波算法及其在故障预报中的应用
粒子滤波
粒子退化
样本贫化
强跟踪滤波算法
故障预报
基于新型粒子群优化的粒子滤波雷达目标跟踪算法
粒子群优化
粒子滤波
目标跟踪
闪烁噪声
基于粒子滤波和在线随机森林分类的目标跟踪
粒子滤波
随机森林
在线学习
运动跟踪
观测模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 随机摄动强跟踪粒子滤波算法
来源期刊 物理学报 学科
关键词 粒子滤波 退化问题 随机摄动 强跟踪滤波算法
年,卷(期) 2014,(11) 所属期刊栏目 总论
研究方向 页码范围 110505-1-110505-9
页数 1页 分类号
字数 语种 中文
DOI 10.7498/aps.63.110505
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 乔玉坤 武警工程大学信息工程系 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (7)
同被引文献  (38)
二级引证文献  (9)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
粒子滤波
退化问题
随机摄动
强跟踪滤波算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
物理学报
半月刊
1000-3290
11-1958/O4
大16开
北京603信箱
2-425
1933
chi
出版文献量(篇)
23474
总下载数(次)
35
总被引数(次)
174683
论文1v1指导