基于小生境遺傳算法的粒子濾波算法

張 航，李夢麗，楊清波

1.中南大學 信息科學與工程學院，長沙 410083

2.中南大學 信息科學與工程學院 控制工程系，長沙 410083

基于小生境遺傳算法的粒子濾波算法

張 航1，李夢麗2，楊清波2

1.中南大學 信息科學與工程學院，長沙 410083

2.中南大學 信息科學與工程學院 控制工程系，長沙 410083

1 引言

粒子濾波（Particle Filter，PF）[1]是一種基于Monte Carlo仿真的遞推貝葉斯估計方法。因具有適用于非線性及非高斯噪聲環境等優點，被廣泛應用于目標跟蹤、圖像處理和故障檢測[2-3]等諸多領域，其基本原理是根據系統狀態的一組帶有權值的隨機樣本來表示實際問題所需要的后驗概率密度函數，這些樣本被形象地稱為“粒子”。粒子濾波最常見的問題是粒子的退化現象，對粒子進行重采樣是解決粒子退化問題的一種重要方法，重采樣的目的就是將權值小的粒子用權值大的粒子分解代替。當前存在多種重采樣算法，如系統重采樣（System Resampling，SR）[4]，殘差重采樣（Residual Resampling，RR）[5]，多項式重采樣（Multinomial Resampling，MR）[6]等。所用的重采樣過程雖然解決了粒子的退化問題，但也帶來了粒子貧乏的問題。將遺傳算法引入粒子重采樣中，能有效增加粒子多樣性，但基本遺傳算法常在各個個體未達到最優解之前就收斂于一個局部最優點，從而導致樣本趨于一致，即產生“早熟”現象，不能保證在粒子濾波重采樣上計算效率和可靠性的要求。

為了克服這些不足，本文引入了小生境遺傳機理來解決粒子濾波跟蹤算法中的粒子多樣性退化的問題，這種算法提高了粒子的多樣性，相對于普通粒子濾波，基于小生境遺傳重采樣的粒子濾波僅需要較少的粒子就可以實現狀態的精確估計。……