基于KLD采样改进的高斯粒子滤波算法

• 作者: 周翟和 曾庆喜 田祥瑞 钟雨露
• 来源期刊: 南京航空航天大学学报（英文版）
• 学科: 工学
• 关键词: 粒子滤波 高斯粒子滤波 KLD采样 噪声突变 自适应粒子数
• 年，卷（期）: 2020,（4）
• 页码范围: 607-614
• 页数: 8页
• 分类号: TP274
• 字数: 1350字
• 语种: 英文

摘要

为了自适应地调整滤波样本,本文提出了一种基于Kullback?Leibler散度(Kullback?Leible divergence,KLD)?抽样的改进高斯粒子滤波算法(Gaussian particle filter algorithm based on KLD,KLGPF).在采样过程中,算法通过计算KLD来调整粒子集的大小,使其介于粒子的离散概率密度函数和真实的后验概率密度函数之间.当噪声服从高斯分布,且噪声的统计特性发生突变时,KLGPF具有显著的效果,仿真结果表明,KLGPF在噪声统计量突变时仍能保持良好的估计效果.在相同条件下,KLGPF的运算速度相比基于KLD采样的粒子滤波算法(Particle filter algorithm based on KLD,KLPF)的运算速度提高了28％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周翟和	南京航空航天大学自动化学院	36	309	10.0	16.0
2	曾庆喜	南京航空航天大学自动化学院	29	133	7.0	10.0
3	钟雨露	南京航空航天大学自动化学院	2	0	0.0	0.0
4	田祥瑞	南京航空航天大学自动化学院	4	0	0.0	0.0