基于KLD的蝙蝠算法优化自适应粒子滤波
针对粒子滤波存在计算效率低和因粒子贫化导致的计算精度下降问题,基于KLD(Kullback Leibler distance)采样和蝙蝠算法,提出一种可动态调整粒子规模的自适应粒子滤波算法.首先,在重要性采样中利用KLD采样动态调整粒子规模;然后,使用蝙蝠算法定向优化粒子集,并在迭代更新中使蝙蝠算法和KLD采样相互作用,从而达到同时提升计算精度和计算效率的目的.实验结果验证了所提出算法的可行性和有效性.
粒子滤波、蝙蝠算法、KLD采样、粒子多样性、状态估计、非线性非高斯
34
TP273(自动化技术及设备)
武器装备预研重点基金项目9140A33020112JB39085
2019-04-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
561-566