基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用

被引：130

作者：

陈志敏

薄煜明

吴盘龙

段文勇

刘正凡

机构：

[1] 南京理工大学自动化学院

来源：

控制与决策 | 2013年 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

粒子滤波; 粒子群优化; 自适应; 目标跟踪; 局部最优;

D O I：

暂无

中图分类号：

TN953 [雷达跟踪系统];

学科分类号：

080902 [电路与系统];

摘要：

针对基于粒子群优化的粒子滤波(PSO-PF)算法精度不高,实时性差,难以满足雷达机动目标跟踪的需求,提出一种基于动态邻域自适应粒子群优化的粒子滤波(DPSO-PF)算法.该算法可以动态调整粒子邻域环境,其中每个粒子按照邻域的环境和自身的位置信息自适应地调整相互间的邻域粒子数量,使邻域粒子数量更为合理,达到寻优能力与收敛速度的最佳平衡.最后利用不同模型对该算法进行了仿真实验,实验结果表明所提出的算法能够提高雷达机动目标跟踪的实时性和精确性.

引用

页码：193 / 200

页数：8

共 9 条

[1]

具有自适应邻域探测机制的改进型PSO算法 [J].

武忠勇 ;

缑锦 ;

赵志强 .

小型微型计算机系统, 2010, 31 (09) :1838-1845

[2]

Improved particle swarm optimization algorithm for fuzzy multi-class SVM[J] Ying Li;Bendu Bai;and Yanning Zhang(School of Computer Science;Northwestern Polytechnical University;Xi'an 710072;P.R.China) Journal of Systems Engineering and Electronics 2010, 03

[3]

基于粒子滤波的模型自适应机动目标跟踪算法 [J].

胡振涛 ;

潘泉 ;

梁彦 ;

程咏梅 .

控制与决策, 2008, (12) :1333-1337

[4]

遗传重采样粒子滤波器 [J].

叶龙 ;

王京玲 ;

张勤 .

自动化学报, 2007, (08) :885-887

[5]

粒子群优化粒子滤波方法 [J].

方正 ;

佟国峰 ;

徐心和 .

控制与决策 , 2007, (03) :273-277

[6]

遗传算法种群多样性的分析研究 [J].

张晓缋 ;

戴冠中 ;

徐乃平 .

控制理论与应用, 1998, (01) :17-23

[7]

On sequential Monte Carlo sampling methods for Bayesian filtering.[J] Arnaud Doucet;Simon Godsill;Christophe Andrieu Statistics and Computing 2000,

[8]

QQ-plot approach to robust Kalman filtering Durovic Z M; Kovacevic B D; Int. J. of Control 1994,

[9]

A new particle swarmoptimization based unscented particle filtering Song C H;Zhao H;Jing W;et al; The 3rdInt Conf on Bioinformatics and Biomedical Engineering 2009,

← 1 →