粒子滤波器重采样算法的分析与比较

被引:47
作者
冯驰
王萌
汲清波
机构
[1] 哈尔滨工程大学信息与通信工程学院
关键词
粒子滤波器; 重采样; 均匀分布理论; 有效样本数; 计算复杂度;
D O I
10.16182/j.cnki.joss.2009.04.045
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
重采样算法解决了粒子滤波器的退化问题。从重采样实现原理、均匀分布理论和计算复杂度的角度对目前广泛应用的四种重采样算法(包括多项式重采样、残差重采样、分层重采样和系统重采样)进行了理论分析,同时引入有效样本数,设定重采样阈值,将四种算法应用于经典纯方位跟踪,通过仿真比较不同重采样算法条件下的运行时间和跟踪性能,并分析重采样阈值的设定对滤波性能的影响。仿真表明,四种算法在跟踪性能上很接近,系统重采样和分层重采样算法下的运行时间很接近,优于其余两种算法,设定重采样阈值后,整体跟踪误差减小了约50%,但并未明显减慢跟踪误差随时间推移的发散趋势。
引用
收藏
页码:1101 / 1105+1110 +1110
页数:6
相关论文
共 6 条
[1]  
粒子滤波重采样算法研究及其应用.[D].吴宝成.哈尔滨工业大学.2006, 12
[2]   UPF算法及其在目标跟踪问题中的应用 [J].
李景熹 ;
王树宗 .
系统仿真学报, 2007, (03) :675-677
[3]   高斯和粒子滤波器及其在被动跟踪中的应用 [J].
薛锋 ;
刘忠 ;
张晓锐 .
系统仿真学报, 2006, (S2) :900-902
[4]   基于优化组合重采样的粒子滤波算法 [J].
邹国辉 ;
敬忠良 ;
胡洪涛 .
上海交通大学学报, 2006, (07) :1135-1139
[5]  
系统建模与仿真.[M].齐欢;王小平编著;.清华大学出版社.2004,
[6]  
A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking..Arulampalam;M;Maskell;S;Gordon;N;Clapp;T;.IEEE Trans Signal Process.2002,