基于禁忌免疫及權值選擇的粒子濾波算法的設計與實現(xiàn).pdf

1、隨著系統(tǒng)規(guī)模變大，系統(tǒng)的復雜度不斷增強，原有的粒子濾波算法在系統(tǒng)參數(shù)、狀態(tài)估計以及目標跟蹤方面存在不足，因此，設計新的粒子濾波算法，提高估計精度，減少計算復雜度顯得至關重要。
　　本文針對粒子濾波算法進行改進，主要工作如下:
　　1.介紹了粒子濾波算法的基本原理以及標準粒子濾波算法的計算流程，同時分析了其存在的主要問題，對并本文改進算法中要用到的一些智能算法如:禁忌搜索、人工免疫以及權值選擇算法予以說明。
　　2.在粒

2、子濾波算法基礎上，針對粒子退化，樣本集多樣性低的問題，設計出基于禁忌免疫的粒子濾波算法。該算法利用人工免疫算法的尋優(yōu)能力從眾多粒子中挑選好的粒子，提高了樣本集的多樣性，并且通過禁忌搜索回避搜索陷入局部最優(yōu)。利用該算法估計系統(tǒng)的參數(shù)和狀態(tài)，并與人工免疫粒子濾波、標準粒子濾波算法進行對比，驗證算法的估計性能。
　　3.針對粒子濾波算法計算復雜度高的問題，提出了基于權值選擇的邊緣化粒子濾波算法。該算法通過利其模型中的線性子結構降低從標準