資源描述：
《基于KHM的多層采樣粒子濾波算法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第38卷第6期合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)Vo1．38No．62015年6月JOURNALOFHEFEIUNIVERSITYOFTECHNOLOGYJun．2015基于KHM的多層采樣粒子濾波算法李菊。，余燁，戴歡，李克清，夏瑜，曹明偉(1．合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院，安徽合肥230009；2．常熟理工學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院，江蘇常熟215500)摘要：文章通過多層采樣方式，將樣本空間劃分為多個(gè)部分，集中采樣點(diǎn)到使概率密度函數(shù)值大的地方，大大減小了采樣誤差；在重采樣階段嵌入KHM聚類算法，通過將空問特征與權(quán)重分布近似的粒子進(jìn)行聚類，降低總的樣本數(shù)，提高了計(jì)算
2、效率。樣本經(jīng)聚類處理后，在保持粒子狀態(tài)后驗(yàn)分布的幾何特征的同時(shí)，狀態(tài)空間中的粒子數(shù)明顯降低，計(jì)算效率顯著提高。關(guān)鍵詞：多層采樣；聚類；粒子濾波；重采樣；運(yùn)動(dòng)目標(biāo)跟蹤中圖分類號(hào)：TP391．4文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003—5060(2015)06—0764—05StratifiedsamplingparticlefilteralgorithmbasedonKHMLIJu，YUYe，DAIHuan2，LIKe—qing，XIAYu。，CAOMing-wei(1．SchoolofComputerandInformation，HefeiUniversityofTech
3、nology，Hefei230009，China；2．SchoolofComputerScienceandEngineering，ChangshuInstituteofTechnology，Changshu215500，China)Abstract：Inthispaper，byusingthestratifiedsamplingmethod，thesamplespaceisdividedintomul—tipleparts，groupingsamplingpointstothepartofhighprobabilitydensityfunctionvalue，SO
4、thesamplingerrorisgreatlyreduced．Intheresamplingphase．theKHMclusteringalgorithmisembed—ded，theparticleswithapproximatespatialcharacteristicsandweightdistributionareclustered，thusreducingthetotalnumberofsamplesandimprovingthecomputingefficiency．Aftertheclustering，thegeometricalcharacte
5、risticsofparticlesstateposteriordistributionismaintained，whilethenumberofparticlesinthestatespaceissignificantlyreducedandthecomputingefficiencyisimproved．Keywords：stratifiedsampling；clustering；particlefilter；resampling；movingobjecttracking粒子濾波作為一種新的濾波算法，是從2O世樣方法時(shí)粒子濾波的計(jì)算復(fù)雜度為o(N)(N為紀(jì)90
6、年代中后期發(fā)展起來的，有效地克服了擴(kuò)展粒子數(shù)目)；文獻(xiàn)E143~I入粒子濾波的并行結(jié)構(gòu)算卡爾曼濾波的缺點(diǎn)。但粒子濾波自身也有一些弱法并進(jìn)行了在線實(shí)時(shí)應(yīng)用。對(duì)于一些狀態(tài)空間模點(diǎn)，會(huì)導(dǎo)致樣本貧化現(xiàn)象
7、】]，文獻(xiàn)E6]將微粒群算型中的線性組成部分，可以通過解析的最優(yōu)濾波法引入粒子濾波，采用微粒群優(yōu)化方式，使粒子集方法獲取其狀態(tài)向量的一部分。各種方法都在一向后驗(yàn)概率密度值較大的方向移動(dòng)，很好地克服定程度上緩解了樣本貧化現(xiàn)象，降低了計(jì)算復(fù)雜了樣本貧化問題；文獻(xiàn)E7]將優(yōu)化組合引入粒子濾度，但總的來說，并未從根本上解決這個(gè)問題。波，對(duì)被選取粒子和被拋棄粒子進(jìn)行適當(dāng)線性組本文通
8、過多層采樣的方式，把樣本空間劃分合獲取新的粒子，粒子多樣性被大大增加，粒子濾為多個(gè)部分，集中采樣點(diǎn)到使概率密度函數(shù)值大波的估計(jì)精度也有很大的提高。針對(duì)計(jì)算量較的地方，采樣誤差大大減小。在重采樣階段嵌入大_8。的問題，文獻(xiàn)[133指出當(dāng)使用適當(dāng)?shù)闹夭蒏HM聚類算法，通過將空間特征與權(quán)重分布近收稿日期：201406—04；修回日期：201410—27基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目(61300186)；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助項(xiàng)目(20120111110003)；江蘇省自然科學(xué)基金資助項(xiàng)目(BK20140419)；江蘇省高校自然科學(xué)研究資助項(xiàng)目(14KJB
9、52000
