|本期目录/Table of Contents|

[1]卢敏,陈菘,张敏.基于最优邻居引导萤火虫移动的粒子滤波算法[J].江西理工大学学报,2021,42(01):80-86.[doi:10.13265/j.cnki.jxlgdxxb.2021.01.012]
 LU Min,CHEN Song,ZHANG Min.Particle filter algorithm based on firefly movement guided by optimal neighbor[J].Journal of Jiangxi University of Science and Technology,2021,42(01):80-86.[doi:10.13265/j.cnki.jxlgdxxb.2021.01.012]


点击复制
基于最优邻居引导萤火虫移动的粒子滤波算法(/HTML)
分享到:

《江西理工大学学报》[ISSN:2095-3046/CN:36-1289/TF]

卷:
42卷
期数:
2021年01期
页码:
80-86
栏目:
出版日期:
2021-02-28

文章信息/Info

Title:
Particle filter algorithm based on firefly movement guided by optimal neighbor
文章编号:
2095-3046(2021)01-0080-07
作者:
卢敏1 陈菘1 张敏12
(1. 江西理工大学理学院,江西 赣州 341000;2. 嘉兴学院数理与信息工程学院,浙江 嘉兴 314001)
Author(s):
LU Min1 CHEN Song1 ZHANG Min12
(1. School of Science, Jiangxi University of Science and Technology, Ganzhou 341000, Jiangxi, China; 2. School of Mathematical Information Engineering, Jiaxing University, Jiaxing 314001, Zhejiang, China)
关键词:
粒子滤波群智能优化萤火虫算法重采样
分类号:
TP391.9
DOI:
10.13265/j.cnki.jxlgdxxb.2021.01.012
文献标志码:
A
摘要:
针对重采样算法导致粒子种类减少影响粒子滤波估计精度的问题,将萤火虫算法引入到粒子滤波过程中,提出了一种改进的粒子滤波算法。改进算法在萤火虫个体相对亮度的计算中引入最新时刻的观测值,同时为避免迭代后期粒子在最优值附近震荡,引入递减函数更新吸引度的大小。为减少算法的复杂度,利用最优邻居引导萤火虫个体移动并控制搜寻的范围。最后通过实验对比了不同噪声条件下改进算法与粒子滤波算法的性能,仿真结果表明改进算法的跟踪精度与跟踪误差均优于粒子滤波算法。

参考文献/References:

[1] WANG F, LU M, ZHAO Q, et al. Particle filter algorithm[J]. Chinese Journal of Computers, 2014, 37(8):1679-1693. [2] 苏续军,吕学志. 基于贝叶斯推断的复杂系统可靠性分析[J]. 计算机应用与软件,2019,36(3):219-226,294. [3] 昝孟恩,周航,韩丹,等. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用,2019,55(5):8-17,59. [4] 刘畅,杨锁昌,汪连栋. 粒子滤波理论在单目标跟踪中的应用综述[J]. 飞航导弹,2017(10):67-71,90. [5] 孟庆旭. 粒子滤波算法研究及其在非线性估计中的应用[D]. 武汉:华中科技大学,2019. [6] 章弘凯,陈年生,范光宇. 基于粒子滤波的智能机器人定位算法[J]. 计算机应用与软件,2020,37(2):134-140,199. [7] LI T C, BOLIC M, DJURIC P M. Resampling methods for particle filtering:classification, implementation, and strategies[J]. IEEE Signal Processing Magazine,2015,32(3):71-84. [8] WANG Y, WANG X H, SHAN Y Z, et al. Quantized genetic resampling particle filtering for vision-based ground moving target tracking[J]. Aerospace Science and Technology, 2020 ,103:105925. [9] 蔡登禹,刘以安. 一种基于遗传算法的改进粒子滤波器[J]. 计算机仿真,2018,35(7):221-225. [10] DOUCETA D S, ANDRIEU C. On sequential monte carlo sampling methods for bayesian filtering[J]. Statistics and Computing, 2000, 10(3):197-208. [11] GORDAN N J, SLAMOND D J, SMITH A F M. A novel approach to nonlinear/non-gaussian bayesian state estimation[J]. Radar and Signal Processing, 1993 ,140(2):107-113. [12] 王艳伟. 抗遮挡与重采样的粒子滤波跟踪算法研究[D]. 兰州:兰州理工大学,2016. [13] 蔡登禹,刘以安. 一种基于遗传算法的改进粒子滤波器[J]. 计算机仿真,2018,35(7):221-225. [14] 张威虎,郭明香,贺元恺,等. 一种改进的蝴蝶算法优化粒子滤波算法[J]. 西安科技大学学报,2019,39(1):119-123. [15] 潘允敬. 求解高维复杂连续优化问题的粒子群算法研究[J]. 江西理工大学学报,2018,39(3):102-106. [16] 杨文佳,李玉志,王君安,等. 基于快速重采样粒子滤波的无监督视频跟踪[J]. 控制工程,2020,27(6):1070-1075. [17] 李敬明. 萤火虫群智能优化算法及其应用研究[D]. 合肥:合肥工业大学,2017. [18] 王航星,潘巍,基于自适应吸引半径的萤火虫算法的粒子滤波[J]. 计算机应用研究,2019,36(12):3632-3636.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期:2020-07-29
基金项目:国家自然科学基金资助项目(11704163);江西省教育厅重点研究项目(GJJ160594)
作者简介:卢敏(1964— ),男,教授,主要从事电子材料器件、图像处理等方面的研究。E-mail: lumin641122@126.com

更新日期/Last Update: 1900-01-01