基于量子遗传粒子滤波的无线传感器网络的目标跟踪算法的研究

摘要：

文章主要研究的是关于量子遗传粒子滤波跟踪算法,该算法适用于无线传感器网络目标跟踪;用传统的粒子重采样可以解决粒子退化问题,但容易导致粒子逐渐减少,甚至耗尽;针对粒子耗尽问题,采用量子遗传算法,其独特的量子遗传的编码方式有效保证粒子组成的多样性,从而减缓了粒子滤波的退化现象,解决了粒子耗尽问题;通过引入量子的概念,同时让其并行可以有效地减少算法的运行时间,实时跟踪性能得到了大大提高;通过仿真结果表明该算法具有有效性、可行性;通过仿真:PF,GAPF、QGPF算法运行时间分别是56.16 s,46.71 s和30.46 s;全面比较后,QGPF算法计算时间最短;跟踪精度用均方根误差表示,与GAPF算法和PF算法相比QGPF算法位置和算法速度的中均方根误差最低(位置为0.030 2,0.025 8,速度0.020 1,0.010 1),其中PF算法的跟踪精度最低,QGPF跟踪精度最高,进一步表明QGPF算法具有良好的跟踪性能;实验结果表明,在大噪声条件下量子遗传粒子滤波算法改善了粒子贫乏问题,缩短跟踪时间和提高跟踪位置的精确性,鲁棒性,算法具有显著的优点.

关键词：粒子滤波、目标跟踪、量子遗传算法

所属期刊栏目：29

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省自然科学基金;沈阳工学院i5智能制造研究所基金

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：256-260