改进的粒子滤波算法
合集下载
一种改进的粒子滤波算法
Ａ ｎ ｅ ｗ ｍｏ ｄｉ ｉｅ ｆ ｄ ｕ ｎｓ ｃ ｅ ｎ ｔ ｅ ｄ ｐａ ｒ ｔ ｉ ｃ ｌ ｅ ｉｌ ｆ ｔ ｅ ｒ
ＮＩ Ｃｈ ｕ ｎ－ ｇ ｕ ａ ｎ ｇ
（ Ｎ ｏ ９ １ ３ ８ ８ Ｕ ｉ ｎ ｔ ｏ ｆ Ｐ Ｌ Ａ， Ｚ ｈ ａ ｎ ｊ ｉ ａ ｎ ｇ ５ ２ ４ ０ ２ ２ ， Ｃ ｈ ｉ ｎ ａ ）
密度 函数 ： ｑ （ ｌ ： 一 ， Ｙ 。 ： ）＝Ｎ（ ， Ｐ ） ，其 中 Ⅳ （・ ） 表 示 高斯 函数 。
令Ｗ （ 。 ） 为重要 性权 值 ：
，
（ ５ ）
３ 一种 新 的 Ｕ Ｐ Ｆ滤 波 算 法
称式 （ １ ） 和式（ ２ ） 为 主模 型 ，这里 主 要介 绍 一 种
２ Ｕ Ｐ Ｆ原 理
在粒 子滤 波 器 中 ， 关 键 问 题 是 对 建 议 分 布 的 选
最优 的状 态估 计 。对 于非 高斯 非 线 性 系统 ，如何 快 速计 算 积分是 研究 滤波 算法 的核 心 问题 。
１ ． ２ 粒 子滤 波算 法
择。当 ｑ （ ｌ ： 一 １ ， Ｙ ）＝ Ｐ （ ｌ ： 一 １ ， Ｙ ０ ： ） 时 ，重 要 性权 值条 件 方 差 最小 ，为 最优 重 要 性 函数 ，但 实 际 上 很难对 它 进行 采 样 。在 应 用 中更 常使 用 先 验 概 率 密 度来 作为 建议 分布 ：
ｇ （ Ｉ ： 一 １ ， Ｙ ０ ： ） Ｐ （ Ｉ ： 一 １ ） 。
Ｐ Ｆ是 通 过 蒙特 卡 罗 方 法 实现 贝叶 斯 递 归估 计 。 从 待估 计 的后验 分布 Ｐ （ 。 ： ｌ Ｙ 。 ： ） 中抽样 出 Ⅳ个 独 立
同分 布 的粒 子 和 相 应 的归 一 化 权 值 （ ） ，则 分
ＮＩ Ｃｈ ｕ ｎ－ ｇ ｕ ａ ｎ ｇ
（ Ｎ ｏ ９ １ ３ ８ ８ Ｕ ｉ ｎ ｔ ｏ ｆ Ｐ Ｌ Ａ， Ｚ ｈ ａ ｎ ｊ ｉ ａ ｎ ｇ ５ ２ ４ ０ ２ ２ ， Ｃ ｈ ｉ ｎ ａ ）
密度 函数 ： ｑ （ ｌ ： 一 ， Ｙ 。 ： ）＝Ｎ（ ， Ｐ ） ，其 中 Ⅳ （・ ） 表 示 高斯 函数 。
令Ｗ （ 。 ） 为重要 性权 值 ：
，
（ ５ ）
３ 一种 新 的 Ｕ Ｐ Ｆ滤 波 算 法
称式 （ １ ） 和式（ ２ ） 为 主模 型 ，这里 主 要介 绍 一 种
２ Ｕ Ｐ Ｆ原 理
在粒 子滤 波 器 中 ， 关 键 问 题 是 对 建 议 分 布 的 选
最优 的状 态估 计 。对 于非 高斯 非 线 性 系统 ，如何 快 速计 算 积分是 研究 滤波 算法 的核 心 问题 。
１ ． ２ 粒 子滤 波算 法
择。当 ｑ （ ｌ ： 一 １ ， Ｙ ）＝ Ｐ （ ｌ ： 一 １ ， Ｙ ０ ： ） 时 ，重 要 性权 值条 件 方 差 最小 ，为 最优 重 要 性 函数 ，但 实 际 上 很难对 它 进行 采 样 。在 应 用 中更 常使 用 先 验 概 率 密 度来 作为 建议 分布 ：
ｇ （ Ｉ ： 一 １ ， Ｙ ０ ： ） Ｐ （ Ｉ ： 一 １ ） 。
Ｐ Ｆ是 通 过 蒙特 卡 罗 方 法 实现 贝叶 斯 递 归估 计 。 从 待估 计 的后验 分布 Ｐ （ 。 ： ｌ Ｙ 。 ： ） 中抽样 出 Ⅳ个 独 立
同分 布 的粒 子 和 相 应 的归 一 化 权 值 （ ） ，则 分
一种改进的粒子滤波跟踪算法
费在小权值粒子上 。采用 重采样定理虽然可 以部分解决粒子
些问题 ，它需要很长的运 算时间，难 以满足实时性要求 ，且
存在退化现象 。鉴于 此，本文提 出一种改进 的粒子滤波跟踪 算法 。在传统算法的基础 上，引入均值漂移和积分直方图 ，
退化现象 但粒子的收敛速度仍然很慢。 为 了解决该问题 ， ‘ 本文采用均值 漂移算法皿 Ｊ 。，调整初始
ｎ ａ ｂ ｏ ａ ｅ ｒ ｙ ｌ ｌｍ￣ ｉ ｍ ｏ ｉ ｏ ， ｄ ｔ ｅ ｉ ｔ ｇ ａ ｉｔ ｇ ａ Ｃ ｐ ｅ ｐ ｔ ｅ ｃ ｍｐ ｔ ｇ ｏ ｅ ｈ ｓｏ ｒ ｍ ｆｅ ｃ ａ ｔ ｌ Ｔ ｅ ｓ ｏ ｓ ａ ｄ ｅ ｅ ｔ ｆ ｃ ｍｕ ｐ ｓ ｔ ｎ ａ ｎ ｅ ｒ ｌ ｓｏ ｒ ｍ ａ ｓ ｅ ｄ ｕ ｏ ｕ ｎ ｆｔ ｔ ｇ ａ ｏ ａ ｈ ｐ ｒｉ ｅ ｈ ￣ ｄ ｆ ｃｓ ｏ ｉ ｎ ｈ ｈ ｎ ｈ ｉ ｈ ｉ ｃ ｎ
中 分 号 Ｔ ９ ． 田 类 。 Ｎ １７ １３
种 改进 的粒 子 滤 波跟踪 算 法
柏柯嘉
（ 技术师范学院计算机科学学院 ，广州 ５ ０ 来自 ） 广东 １６５ ■
耍： 传统粒子滤波跟踪算法 的退化现象和 巨大的计算量不利于 其应 用，尤其在实时性 要求较高的视频监控场合 。引入均值漂移算法进
．
ｈ ｄ ｔ ａ ａｔ ｅｔａｋ ｇａｇ ｒ ｈ ａ ｍｐ ｏ ｅ ａ ｄＣ ｍｅ ｔ ｅｎ ｅ ｓｏ ａ— ｔｅｔａ ｉｉｎ ｌｐ ｒｉｌ ｒｃ ｎ ｌｏ ｔ ｍ ｅｉ ｒ ｖ ｄ， ｎ ａ ｅ ｈ ｅ ｄ ｆ ｅ ｌｔｍｅｔａ ｋ ｎ Ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｒ ｖ ｅｅ ｅ ｔｖ ｎ ｓ ｆ ｒ ｏ ｃ ｉ ｉ ｒ ｎ ｔ ｒ ｉ ｃ ｇ ｘｅ ｒ ｉ ｉ ｎ ａ ｓ ｌ ｐ ｏ ｅ ｔ ｆ ｃ ｅ ｅ ｓｏ ｒ ｓ ｈ ｉ
些问题 ，它需要很长的运 算时间，难 以满足实时性要求 ，且
存在退化现象 。鉴于 此，本文提 出一种改进 的粒子滤波跟踪 算法 。在传统算法的基础 上，引入均值漂移和积分直方图 ，
退化现象 但粒子的收敛速度仍然很慢。 为 了解决该问题 ， ‘ 本文采用均值 漂移算法皿 Ｊ 。，调整初始
ｎ ａ ｂ ｏ ａ ｅ ｒ ｙ ｌ ｌｍ￣ ｉ ｍ ｏ ｉ ｏ ， ｄ ｔ ｅ ｉ ｔ ｇ ａ ｉｔ ｇ ａ Ｃ ｐ ｅ ｐ ｔ ｅ ｃ ｍｐ ｔ ｇ ｏ ｅ ｈ ｓｏ ｒ ｍ ｆｅ ｃ ａ ｔ ｌ Ｔ ｅ ｓ ｏ ｓ ａ ｄ ｅ ｅ ｔ ｆ ｃ ｍｕ ｐ ｓ ｔ ｎ ａ ｎ ｅ ｒ ｌ ｓｏ ｒ ｍ ａ ｓ ｅ ｄ ｕ ｏ ｕ ｎ ｆｔ ｔ ｇ ａ ｏ ａ ｈ ｐ ｒｉ ｅ ｈ ￣ ｄ ｆ ｃｓ ｏ ｉ ｎ ｈ ｈ ｎ ｈ ｉ ｈ ｉ ｃ ｎ
中 分 号 Ｔ ９ ． 田 类 。 Ｎ １７ １３
种 改进 的粒 子 滤 波跟踪 算 法
柏柯嘉
（ 技术师范学院计算机科学学院 ，广州 ５ ０ 来自 ） 广东 １６５ ■
耍： 传统粒子滤波跟踪算法 的退化现象和 巨大的计算量不利于 其应 用，尤其在实时性 要求较高的视频监控场合 。引入均值漂移算法进
．
ｈ ｄ ｔ ａ ａｔ ｅｔａｋ ｇａｇ ｒ ｈ ａ ｍｐ ｏ ｅ ａ ｄＣ ｍｅ ｔ ｅｎ ｅ ｓｏ ａ— ｔｅｔａ ｉｉｎ ｌｐ ｒｉｌ ｒｃ ｎ ｌｏ ｔ ｍ ｅｉ ｒ ｖ ｄ， ｎ ａ ｅ ｈ ｅ ｄ ｆ ｅ ｌｔｍｅｔａ ｋ ｎ Ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｒ ｖ ｅｅ ｅ ｔｖ ｎ ｓ ｆ ｒ ｏ ｃ ｉ ｉ ｒ ｎ ｔ ｒ ｉ ｃ ｇ ｘｅ ｒ ｉ ｉ ｎ ａ ｓ ｌ ｐ ｏ ｅ ｔ ｆ ｃ ｅ ｅ ｓｏ ｒ ｓ ｈ ｉ
一种改进重采样的粒子滤波算法_常天庆
收稿日期：2012-07-25;修回日期：2012-09-11基金项目：军队科研预研项目作者简介：常天庆(1963-)，男，河南郑州人，教授，博导，主要研究方向为装备自动化系统检测与故障诊断(changtianqing@263．net );李勇(1983-)，男，湖南浏阳人，博士研究生，主要研究方向为装备智能故障诊断、预测与健康管理;刘忠仁(1973-)，男，河南巩义人，讲师，主要研究方向为测控技术;董田沼(1987-)，男，山东淄博人，硕士，主要研究方向为检测技术与自动化装置．一种改进重采样的粒子滤波算法*常天庆，李勇，刘忠仁，董田沼(装甲兵工程学院控制工程系，北京100072)摘要：针对粒子滤波重采样过程中存在的粒子多样性丧失问题，提出一种改进重采样的粒子滤波算法。
按照局部重采样算法对粒子进行分类，中等权值的粒子保持不变，大、小两种权值的粒子采用Thompson-Taylor 算法进行随机线性组合产生新粒子。
实验结果表明，该算法能在降低计算复杂度的同时不丧失粒子多样性，提高了滤波性能。
关键词：局部重采样;Thompson-Taylor 算法;粒子滤波中图分类号：TP301．6文献标志码：A文章编号：1001-3695(2013)03-0748-03doi ：10．3969/j．issn．1001-3695．2013．03．026Particle filter algorithm based on improved resamplingCHANG Tian-qing ，LI Yong ，LIU Zhong-ren ，DONG Tian-zhao（Dept．of Control Engineering ，Academy of Armored Force Engineering ，Beijing 100072，China ）Abstract ：In order to solve the loss of particle diversity exiting in resampling process of particle filter ，this paper presented a particle filter algorithm based on improved resampling．It classified the particles to different groups according to partial resam-pling．It kept the particles with medium weight values same ，and combined the other two groups with high and low weight val-ues linearly and randomly to generate new particles using Thompson-Taylor algorithm．Experimental results show that the im-proved algorithm can reduce computational complexity and keep the diversity of particles and it also enhances the performance of filter．Key words ：partial resampling ；Thompson-Taylor algorithm ；particle filter粒子滤波采用序贯Monte Carlo 方法来解决非线性非高斯动态系统的状态估计问题，其核心思想是用一组加权随机样本（称做粒子）来逼近所要估计状态的后验概率密度函数［1］。
rbpf基本原理
rbpf基本原理
RBPF（Rao-Blackwellized particle filter）是一种粒子滤波器（particle filter）的改进算法。
粒子滤波器是一种非参数的滤波方法，通过使用一组状态样本（粒子）的集合来近似表示状态的概率分布。
RBPF的基本原理是将滤波问题分解为两个步骤：基于状态样本的近似推理和基于样本的近似更新。
在基于样本的近似推理步骤中，RBPF使用重要性采样技术来估计当前状态的概率分布。
具体地，RBPF通过对粒子进行加权来估计当前状态的后验概率分布。
这里的加权是根据每个粒子在当前状态下生成观测数据的可能性来进行的。
在基于样本的近似更新步骤中，RBPF使用粒子滤波器来更新状态样本的集合。
具体地，RBPF使用了卡尔曼滤波（Kalman filter）或粒子滤波器对每个状态样本进行状态更新。
这里的状态更新是通过使用当前观测数据和先前的状态估计来计算下一个状态样本的估计。
RBPF的主要优势在于可以提高粒子滤波器的估计精度，并降低计算复杂度。
具体地，RBPF通过使用基于样本的近似推理步骤来提高对当前状态的估计精度，而使用基于样本的近似更新步骤来降低对整个状态轨迹的估计复杂度。
总结来说，RBPF是一种基于重要性采样和粒子滤波器的滤波
算法，通过分解滤波问题为推理和更新两个步骤，从而提高滤波的估计精度和计算效率。
一种改进重采样的粒子滤波算法
ｓｍ ｌ ｇ ｎ ｅ ｓｓ ｈ ｅｅｃａ ｏ ｔ Ｇ ）ｔ ｃｏｓ ｎ ｒ ｔ． ｅ ａ ａｏ ａ ｚｄｂ ａ ａｉ ａ ｐｉ ，ａｄｔ ｎｕｅ ｔｅ ｎｔ ｇｒ ｍ（ Ａ ｏ ｒｓ ａｄｖ ｉ ｅＴ ｒ ｔ ｎｉ ｒ ｉ ｙｓ ｅｖｒ — ｎ ｈ ｇ ｉｌ ｉ ｈ ａ ａ ｈ ｖ ｉｉ ｓｅ ｅ ｌ ｃ ｌ ａ
第 ５ 卷 第 ９期 １ ２ １ 年ｕ ｉａｉｎ Ｅｎ ｉｅ ｒｎ ｎｃ ｔｏ ｇｎ ｅｉ ｇ
Ｖｏ ． １ Ｎｏ． １５ ９ Ｓ ｐ．２ １ ｅ ０１
文章 编号 ：０ １ ９ Ｘ ２ １ ）９ ０ ５ ４ １０ —８ ３ （０ １０ —０ ３ —０
Ｌ ｈ ｎｊ， ＵＡ— ｎ ／Ｓ ａ － Ｙ ｉａ ｉ ｌ
（ ｏｅｅｏ ｎｉ ｅｉｇＹ ｎ ｉ ｎｖｒ ｔ， ａｊ １３０ ， ｈ ａ Ｃ ｌｇ ｆ ｇｎ ｒ ， ａｂａ Ｕ ｉ ｓｙ Ｖ ｎｉ ３０ ２ Ｃ ｉ ） ｌ Ｅ ｅ ｎ ｎ ｅｉ ｎ
Ａｂｔ ｃ： ｅａ ｐ ｎ ｎｉｐ ｒ ｎ ｍ ｔ ｄ ｔ ｓｌ ａｔｌ ｄｇ ｄｔ ｎｉ ｐ ｒｃ ｌ ｒ ｇ Ｐ ）ａ ｏ ｔｍ． ｓ ａｔＲ ｓｍ ｌ ｇｉ ａ ｏｔ ｔ ｅ ｏ ｏ ｅｐｒｃ ｅｒ ａｉ ａ ｉｅｆｔ ｎ （ Ｆ ｌ ｒ ｒ ｉ ｓ ｍ ａ ｈ ｏ ｖ ｉｅ ａ ｏ ｎ ｔｌ ｉ ｅ ｉ ｇｉ ｈ
ｈ ｍｐ ｅ ｅ ａ ｌ ａｔｃｅ ｆ ｔ ｏ ｈ ｔ ｅ ｉ ｒｖ ｄ ｒｓ ｐ ｉｇ ｐ ｒｉｌ ｌ ｒａｇ ｒｔｍ ．Ｓ ｍｕａｉｎ ｒｓ ｌｓ ｓ ｏ ｔａ ｅ ｉ ｒｖ ｄ ａ ｇ ｒｔｍ ａ ｅｔｒ ｏ ｍ ｎ ｉ ｅ ｌ ｉ ｉ ｌ ｔ ｅ ｕ ｔ ｈ ｗ ｔｔ ｍｐ ｅ ｏ ｈ ｈ ｂ ｔ ｏ ｈ ｈ ｏ ｌ ｉ ｓ ｅ
１ 引 言
粒子 滤 波 器 （ａｔｌ Ｆｌｒ利 用 一 些 随 机 样 本 Ｐｒｃ ｉｅ） ｉｅ ｔ （ 子 ） 表示 系 统 随 机 变量 的后 验 概 率 分 布 ， 不 粒 来 它
基于特征融合的改进粒子滤波目标跟踪算法
１ 粒子滤波基本原理
１９ ９ ３年 由 Ｇ ｒｏ ｏｄ ｎ和 Ｓ ｌ ｏ ｄ８提 出 了一 种 新 ａｍ ｎ ＿
踪 以及 混合 方 式 的跟踪 等方 法 Ｊ 。 卡 尔曼 滤 波 是 基 于 线 性 、 斯 假 设 的 ， 对 于 高 这 目标跟 踪 要 求 太 过 严 格 。现 实 中 的 系统 往 往 是 非
波算法是一种基 于蒙特卡洛（ Ｃ 技术来求解 贝叶 Ｍ ）
斯 概率 的使 用算 法 ， 的基 本 思 想是 通 过重 要 性 函 它
数 产生 带权 值 的样 本 （ 子 ） 逼 近 系 统 状 态 的真 粒 来
ｐ ｘＩ １ １ （ ｚ ）＝Ｊ Ｉ 一 Ｐ ｌ １ １ｄ ： ｐ １ （ ： ）ｘ １ （ ） Ｉ 一
。 ）为 ｔ 时刻 的 一１
后 验概 率密 度 ；（ Ｉ 一）为归一 化常数 ， ｐ ｌ ｐ 即 （
１ｔ ．—１
）：Ｊ ｌ ）（ Ｉ１１ｄ 。时刻的后验概 ｐ ｐ ． ）ｘ ｔ （ ｚｆ 一
）是滤 波 问题 的最 终解 。 但 是在 上述 的计 算 过 程 中 ， 要 通 过计 算 积 分 需
⑥ ２ １ ＳｉＴ ｃ． ｎｒ． ０２ ｃ． ｅｈ Ｅ ｇｇ
基 于 特 征 融 合 的 改 进 粒 子滤 波 目标 跟 踪 算 法
李成 功 曹 宁 王娴珏
（ 河海 大学计算 机与信息学 院， 南京 ２ １０ ） １ １０
摘
要
针对复杂背景 下单 一的颜 色特征不能准确跟踪 目标 的 问题 ， 出 了一种 改进 的 目 跟踪 算法。该算 法利用跟 踪 目 提 标
第 一作者 简介 ： 李成功（ ９ ８ ） 男 ， １８ 一 ， 江苏淮安人 ， 硕士研究 生 ， 研究
一种改进的粒子滤波算法及其性能分析
Ｄ ：０３ ７／ｉ ｎ１０ ．３ １ ０ ２ ８０ １ 文章编 号：０ ２８ ３ （ ０２ ０ ． １４０ 文献标识码 ： 中图分类号 ：Ｐ ９ ＯＩ１ ． ８ ．ｓ． ２８ ３ ． １． ． ７ ｊｓ ０ ２ ０ ４ １ ０ ．３ １２ １ ）８０ ４ ．４ Ａ Ｔ ３１
１ 引 言
Ｋｅ ｒ ｓ ｓ ｔ ｓｉ ｔ ｎ ｐ ｒ ｃｅｆｌ ｒａ ｅ ｕ ｔ ｎｍｅ ｒ ａｔｒ ｉ ｏｔｎ ｅ ｓ够 ｆｎ ｔ ｎ ｙｗｏ ｄ ： ｔ ｅｅｔ ａ ｍａｉ ； ａｔ ｌ ｔ ； Ｒ ｎ ａｉ ｍｏｙ ｆｃｏ ；ｍｐ ｒ ｔ ｎ ｉ ｕ ｃｉ ｏ ｉ ｉ ｅ ｏ ａ ｄ ｏ
摘 要 ： 非线性 、 高斯 系统状 态的在 线估计 问题 ， 出了一种 改进 的粒子滤 波算 法。该算法采用 Ｕ ｓｅｔ 卡 尔曼滤 波器 针对 非 提 ｎｃ ｅ ｎｄ （ ＫＦ 产生 系统的状态估计 ， Ｕ ） 并在量 测更新 过程 中加入 衰减记忆 因子 ， 消弱滤波 器对历 史信 息的依赖 ， 增强 当前量测信 息对 滤波
Ｃ ｍ ｕｅ ｎ ｉｅｒ ｇａ ｄ ｐ ｌａｉｎ ￣ 算机工程 与应用 ｏ ｐ ｔ Ｅ ｇｎｅｉ ｎ Ａ ｐｉ ｔ ｓ ［ ｒ ｎ ｃ ｏ ＂
一
种ቤተ መጻሕፍቲ ባይዱ进 的粒子滤波 算法及其性 能分析
伟
曹 洁 ， 李
ＣＡ０ ｉ ． ｌ Ｊｅ ＬＩ ｅ Ｗ ｉ
兰州理 工大学 计算机与通信学院 ， ｋ ３００ 兰＇ ７０５ ｌ Ｉ
Ｃ Ｏ ｉ Ｌ ｉ ｍｐｏ ｅ Ｆａｇｒ ｈ ａ ｄ ｅ ｏｍａ ｃ ａ ｓ ． ｏ ｕｅ ｎ ｉｅｒ ｇａ ｄ ｐ ｌ ａ ｏ ｓ２ １ ，８ ８ ：４－４ ． Ａ Ｊｅ Ｉ ． ． Ｗｅ Ｉ ｒｖｄＰ ｏｉ ｍ ｎ ｒ ｒ ｎ ｅ ｎ ｌ ｉ Ｃ ｍｐ ｔｒ ｇｎｅ ｎ ｎ ｐｉ ｔ ｎ， ０２ ４ （ ） １４１７ ｌ ｔ ｐｆ ａ ｙｓ Ｅ ｉ Ａ ｃｉ
１ 引 言
Ｋｅ ｒ ｓ ｓ ｔ ｓｉ ｔ ｎ ｐ ｒ ｃｅｆｌ ｒａ ｅ ｕ ｔ ｎｍｅ ｒ ａｔｒ ｉ ｏｔｎ ｅ ｓ够 ｆｎ ｔ ｎ ｙｗｏ ｄ ： ｔ ｅｅｔ ａ ｍａｉ ； ａｔ ｌ ｔ ； Ｒ ｎ ａｉ ｍｏｙ ｆｃｏ ；ｍｐ ｒ ｔ ｎ ｉ ｕ ｃｉ ｏ ｉ ｉ ｅ ｏ ａ ｄ ｏ
摘 要 ： 非线性 、 高斯 系统状 态的在 线估计 问题 ， 出了一种 改进 的粒子滤 波算 法。该算法采用 Ｕ ｓｅｔ 卡 尔曼滤 波器 针对 非 提 ｎｃ ｅ ｎｄ （ ＫＦ 产生 系统的状态估计 ， Ｕ ） 并在量 测更新 过程 中加入 衰减记忆 因子 ， 消弱滤波 器对历 史信 息的依赖 ， 增强 当前量测信 息对 滤波
Ｃ ｍ ｕｅ ｎ ｉｅｒ ｇａ ｄ ｐ ｌａｉｎ ￣ 算机工程 与应用 ｏ ｐ ｔ Ｅ ｇｎｅｉ ｎ Ａ ｐｉ ｔ ｓ ［ ｒ ｎ ｃ ｏ ＂
一
种ቤተ መጻሕፍቲ ባይዱ进 的粒子滤波 算法及其性 能分析
伟
曹 洁 ， 李
ＣＡ０ ｉ ． ｌ Ｊｅ ＬＩ ｅ Ｗ ｉ
兰州理 工大学 计算机与通信学院 ， ｋ ３００ 兰＇ ７０５ ｌ Ｉ
Ｃ Ｏ ｉ Ｌ ｉ ｍｐｏ ｅ Ｆａｇｒ ｈ ａ ｄ ｅ ｏｍａ ｃ ａ ｓ ． ｏ ｕｅ ｎ ｉｅｒ ｇａ ｄ ｐ ｌ ａ ｏ ｓ２ １ ，８ ８ ：４－４ ． Ａ Ｊｅ Ｉ ． ． Ｗｅ Ｉ ｒｖｄＰ ｏｉ ｍ ｎ ｒ ｒ ｎ ｅ ｎ ｌ ｉ Ｃ ｍｐ ｔｒ ｇｎｅ ｎ ｎ ｐｉ ｔ ｎ， ０２ ４ （ ） １４１７ ｌ ｔ ｐｆ ａ ｙｓ Ｅ ｉ Ａ ｃｉ
改进的交互多模型粒子滤波算法
改进的交互多模型粒子滤波算法摘要目标跟踪是研究目标运动不能被准确描述的目标运动估计的问题，它被广泛的应用于航海、航空以及安全防御等领域的跟踪、定位以及目标拦截等系统中。
目标跟踪的主要内容包括建立能够准确地描述目标运动状态的数学模型和设计与之相匹配的能够进行精确地状态估计的滤波算法。
由于现代目标跟踪问题变的越来越复杂，机动性越来越高，所以对于目标跟踪算法的跟踪性能的要求也越来越高。
到现在为止，科学家们提出了很多的建模方法，例如匀速直线运动模型、匀加速直线运动模型、机动转弯模型等。
其中近年来提出的交互式多模型(Interacting-Multiple Model, IMM)算法在解决机动目标跟踪问题时最为有效，IMM算法是利用假设的描述目标机动方式的多模型来实进行目标均衡跟踪。
传统的IMM算法的子模型通常选用卡尔曼滤波器。
然而,交互多模型算法中,即使上一时刻每个模型的状态后验概率密度为高斯分布,但交互后的概率密度将变成非高斯分布的形式,因为卡尔曼线滤波算法要求状态空间模型为线性高斯白噪声模型，所以传统的IMM算法的应用具有一定的局限性，所以需要研究相适应的匹配滤波算法。
在目标跟踪领域，早期提出的比较实用的状态估计算法是适用于线性系统的卡尔曼滤波算法和适用于非线性系统的扩展卡尔曼滤波算法。
卡尔曼滤波器是最小均方意义下的最优滤波算法，四十多年以来一直是用来解决线性高斯环境下机动目标跟踪问题的最佳递推贝叶斯估计器。
后来随着研究的深入，对非线跟踪系统的研究越来越多，科学家又提出了改进的卡尔曼滤波器。
卡尔曼滤波算法是利用泰勒展开式将非线性部分线性化得到的一种次优贝叶斯估计滤波算法，在非线性不是很大的情况下，该算法近似于最优贝叶斯估计。
但是当系统的非线性增大时，泰勒展开式的一阶和二阶方程都不足以描述目标的运动状态，并且鉴于其只限于高斯白噪声系统的局限性，所以科学家提出了各种能够适应于现代复杂机动目标的滤波估计算法其中适用于非线性非高斯噪声的粒子滤波算法较好。
一种改进粒子滤波目标跟踪算法
从 中采样 的 粒 子并 不 能很 好 地 逼 近 实 际 的 后 验 分
布， 导致跟 踪效果 不是很 好 。 为克 服粒子 滤波 算 法 的这 个 缺 陷 ， 粒 子 更好 使
带来困难 。粒子滤波方法 （ Ｆ ¨ 是一种基于蒙 Ｐ ）
特 卡洛仿 真 的最 优 贝叶斯滤 波算法 。它并 不用 函数
ｄ ｓ ｉ ｕ ｉｎ ｂ ｑ ａ ｅ ｒ ｏ ｎ ｃ ｎ ｅ ａ ｓ ｒ ｍｅ ｏ ｎ ｒｗｓｓ ｍｐ ｅ ｏ ｉ ，ａ ｄ ｓ ｌｅ ｈ ａ ｏ ｓ ｉｔ ｂ ｔ ｙ ｓ ｕ ｒ — ｔ ｓ ｅ ｔｄ ｔ ｎ ｆ ｍ ｔ ｄ ａ ｄ ｄ ａ ａ ｌ ｓｆ ｍ ｒ ｏ ｏ ｕ ｒ ｏ ｈ ｒ ｔ ｎ ｏ ｖ ｓｔ ｅ ｖ ｒ ｕ ｉ
Ｋｅ ｒ ｓ：ｐａｔｃｅ ｌ ｒｎ ｙ ｗｏ ｄ ｒｉｌ ｓｆ ｔｉ ｇ； ｓ ｕ ｒ －ｏ ｔｕ ｓ ｅ ｔｄ ｔａ ｆｒ ； ｔ ｇ ｔｔａ ｋ ｎ ｉ ｅ ｑ ａ ｅ ｒ ｏ ｎ ｃ ｎ ｅ ｒ ｎｓｏ ｍ ｒ ａ ｅ ｃ ｉ ｇ ｒ
０ 引 言
在 目标跟 踪过程 中， 由于非线性 、 不完 全性和 不 确 定性 ， 给精确 的状 态估 计 和 及 时准 确 的 目标 跟踪
Ａｂ ｔａ ｔ Ｗ ｈ ｎ ａ ｔ ｒ ｅ ｓ ｔａ ｋ ｄ ｗｉ ａ ｔｃｅ ｆｌｅ ， ｈ ｔｔ ｒ ｎ ｉｉｎ ｒ ｂ ｂｌｔ ｓ ｓ ｄ ａ ｔ ｅ ｓｒ ｃ ： ｅ ａ ｇ ｔ ｉ ｃ ｅ ｔ ｐ ｒｉｌ ｔｒ ｔ ｅ ｓａｅ ｔａ ｓｔ ｐ ｏ ａ ｉ ｙ ｉ ｕ ｅ ｓ ｈ ｒ ｈ ｉ ｏ ｉ ｉ ｏｔ ｎ ｅ ｄ ｓｒｂ ｔ ｎ ｆ ｎ ｔｏ ｍｐ ｒａ ｃ ｉｔ ｕ ｉ ｕ ｃｉｎ．Ｉｓ ｅｆｃ ｓ ｎ ｔｇ ｏ ｅ ａ ｅ ｏ ｏ ｎ ｌ ｄ ｎ ｈ ｅ ｅ ｔ ｏ ｓ ｒａ ｉｎ． ｉ ｏ ｔ ｆｅ ｔｉ ｏ ｏ ｄ ｂ ｃ ｕｓ ｆｎ ｔｉ ｃ ｕ ｉ ｇ ｔ ｅ ｒ ｃ ｎ ｂ ｅ ｖ ｔ ｏ Ａｉ ｎ ｔ ｔ ｓ ｒｃ ｍｉ ｆ Ｐ ａ ｎ ｖ ｌ ｌｏ ｉｈ ｗａ ｒ ｐ ｓ ｄ． ｉ ｌｏ ｉｈ ｇ ｎ ｒ ｔ ｓ ａ ｐ ｏ ｏ ａ ｍｉ ｇ ａ ｈｅ ｈｏｔ ｏ ｎｇ ｏ Ｆ， ｏ ｅ ａｇ ｒｔｍ ｓ ｐ ｏ ｏ ｅ Ｔｈ ｓ ａ ｇ ｒｔｍ ｅ ｅ ａｅ ｒ ｐ ｓ ｌ
WMSN目标跟踪的改进粒子滤波算法
踪精度的方法 。
Ｉ 基 本粒 子 滤 波 算 法 程 图 璺１ ｌ
２ 粒子 滤波 算法
解决非线性问题 ， 扩展卡尔曼滤波 （ｘ ｎｉ ａ ａ ｉ Ｅｔ 典的算法 。Ｅ Ｆ用线性化 的方法去近似 非线性 ｅ Ｅａ ） ｒ Ｋ 状 态方程或观测模型 ， 对非线性运 动模型时性 能会下降 ， 重 严
Ｋｅ ｒ ｓ ｐ ｒｉｌ ｌ ｒ ｇ； ｒ ｅ ａ ｋ ｎ ； ｒ ｌｓ ｙ ｗｏ ｄ ： ａ ｃ ｅ ｆ ｔ ｉ ｔ ｇ ｔ ｔ ｃ ｉ ｇ ｗｉ ｅ ｓ ｍｏ ｉ ｅ ｓ ｒ ｎ ｔ ｏ ｋ ｔ ｉ ｅｎ ａ ｒ ｅ ｂｌ ｓｎ ｏ ｅ ｅ ｗ ｒ
要： 分析 了无线移动传感 器网络 中 目标的跟踪原理 ， 究 了基本粒子滤 波算法的主要技 术。对基本粒子 滤波的重要性 函数 研 和重采样技 术进行 改进后 ， 出了一种提 高基 本粒子滤波算法跟踪精度 的方 法。通 过仿真 比较 可以看 出改进粒子滤 波算 法有较 给 好 的跟踪精度 。在无线移动传感 器网络 中强调跟踪精度 的场合 ， 改进 的粒子 滤渡算法会有 更好 的跟踪效 果。
（） １ 构造采样点集
｛ｋ １）＝ ，， ｝ ｑ －／－） ｘ 一 ， ｆ１ …， 一 （ １ １式中ｑ （ ｆ ， ２ ｋ ｋ ， Ｏ为重 要
性函数 。
初始重要性权值 ： ＝ ／ 。 ｗ ｉ １ ｊ
（） ２ 更新采样 点和权值 习 燃 权值贿 ： （ ｉ （（ 一１０ｗ（一１ｋ ） ＝１ ，－ Ⅳ ｛’ Ｌ０ 厂 七 ，， ｋ ） 一１ ｆ ， ・ ， 。 ， ， ２ － ： ４ ｗ ＝１ ２
关键词 ： 子滤波； 粒 目标跟踪 ； 无线移动传感 器网络
ＤＯ ：０３ ７／ｉ ｎ１０ －３ １ ０ １１ ． ３ 文章 编 号 ：０ ２８ ３ （０ １ １．０ ３０ 文 献 标 识 码 ： Ｉ１ ． ８ ．ｓ． ２８ ３ ． １．５ ２ ７ ｊｓ ０ ２ ０ １０ －３ １２ １ ）５０ ８—３ Ａ 中图 分 类 号 ： Ｎ １ Ｔ ９１
Ｉ 基 本粒 子 滤 波 算 法 程 图 璺１ ｌ
２ 粒子 滤波 算法
解决非线性问题 ， 扩展卡尔曼滤波 （ｘ ｎｉ ａ ａ ｉ Ｅｔ 典的算法 。Ｅ Ｆ用线性化 的方法去近似 非线性 ｅ Ｅａ ） ｒ Ｋ 状 态方程或观测模型 ， 对非线性运 动模型时性 能会下降 ， 重 严
Ｋｅ ｒ ｓ ｐ ｒｉｌ ｌ ｒ ｇ； ｒ ｅ ａ ｋ ｎ ； ｒ ｌｓ ｙ ｗｏ ｄ ： ａ ｃ ｅ ｆ ｔ ｉ ｔ ｇ ｔ ｔ ｃ ｉ ｇ ｗｉ ｅ ｓ ｍｏ ｉ ｅ ｓ ｒ ｎ ｔ ｏ ｋ ｔ ｉ ｅｎ ａ ｒ ｅ ｂｌ ｓｎ ｏ ｅ ｅ ｗ ｒ
要： 分析 了无线移动传感 器网络 中 目标的跟踪原理 ， 究 了基本粒子滤 波算法的主要技 术。对基本粒子 滤波的重要性 函数 研 和重采样技 术进行 改进后 ， 出了一种提 高基 本粒子滤波算法跟踪精度 的方 法。通 过仿真 比较 可以看 出改进粒子滤 波算 法有较 给 好 的跟踪精度 。在无线移动传感 器网络 中强调跟踪精度 的场合 ， 改进 的粒子 滤渡算法会有 更好 的跟踪效 果。
（） １ 构造采样点集
｛ｋ １）＝ ，， ｝ ｑ －／－） ｘ 一 ， ｆ１ …， 一 （ １ １式中ｑ （ ｆ ， ２ ｋ ｋ ， Ｏ为重 要
性函数 。
初始重要性权值 ： ＝ ／ 。 ｗ ｉ １ ｊ
（） ２ 更新采样 点和权值 习 燃 权值贿 ： （ ｉ （（ 一１０ｗ（一１ｋ ） ＝１ ，－ Ⅳ ｛’ Ｌ０ 厂 七 ，， ｋ ） 一１ ｆ ， ・ ， 。 ， ， ２ － ： ４ ｗ ＝１ ２
关键词 ： 子滤波； 粒 目标跟踪 ； 无线移动传感 器网络
ＤＯ ：０３ ７／ｉ ｎ１０ －３ １ ０ １１ ． ３ 文章 编 号 ：０ ２８ ３ （０ １ １．０ ３０ 文 献 标 识 码 ： Ｉ１ ． ８ ．ｓ． ２８ ３ ． １．５ ２ ７ ｊｓ ０ ２ ０ １０ －３ １２ １ ）５０ ８—３ Ａ 中图 分 类 号 ： Ｎ １ Ｔ ９１
改进粒子滤波算法分析研究
无 迹卡 尔 曼 滤 波 （ Ｕ Ｋ Ｆ ） 重 要 性 密 度 函数 。为 了解
配每个粒子 的权值为 １ ／ Ｎ Ｓ ｔ ｅ ｐ ５ ： 输出状态估计 ， ＿ ＋ 尼 ＋１ ， 重复 Ｓ ｔ ｅ ｐ ２开始
递 推运 算 。
决重采样带来的粒子枯竭问题 ， 又进一步在粒 子滤 波 中引 入 了 马尔 可 夫 链 蒙 特 卡 罗 （ Ｍ ａ ｒ ｌ ｏ ｖ Ｃ ｈ ａ ｉ ｎ Ｍ ｏ ｎ ｔ ｅ Ｃ ａ ｒ ｌ ｏ ， Ｍ Ｃ Ｍ Ｃ） 方法 ， 使得粒子 的移 动步骤取 得 了很 好 的效果 。
１ ７
波算法。Ｐ Ｆ —Ｕ Ｋ Ｆ的基本思想是在使用 Ｕ ｎ ｓ ｃ ｅ ｎ ｔ ｅ ｄ
变换的基础之上 ， 利用 Ｕ Ｋ Ｆ 和最新的观测来产生重 要性密度函数。下面是 Ｐ Ｆ— Ｕ Ｋ Ｆ的算法步骤 ：
ｌ ， 时间序列长度为 Ｔ ＝ ６ ０ ， Ｐ Ｆ粒子数 Ｎ＝ ２ ０ ０ 。
Ｐ Ｆ 算法的估计性能明显 比改进后的算法 Ｐ Ｆ — Ｅ Ｋ Ｆ 、 Ｐ Ｆ— Ｕ Ｋ Ｆ和 Ｐ Ｆ — Ｍ Ｃ Ｍ Ｃ的估计性能要差 。各 粒子滤波算法 的实验结果如表 １ 所示。
表１ 各粒子滤波算法实验数据统计表
夫链 蒙特卡 罗方法的粒 子滤波算法进 行介 绍， 通 过仿 真 实验 ， 分析 这几 种算 法与标 准粒 子 滤波 算法相 比所具 有的优 点和缺 点。通过 实验成果 比较 ， 说明经过改进 的算 法在估计 性能方 面比标 准粒子 滤波算法有明显优势 。
关键词 ： 粒子滤波 ； 扩展 卡 尔曼粒子滤波 ； 无迹 粒子滤波 ； ＭＣ Ｍ Ｃ
一
Ｐ Ｆ — Ｅ Ｋ Ｆ算法 与其 他经典粒子滤波相 比较有 明显的优势 ， 通过这种算法可 以得出更加 良好的重
配每个粒子 的权值为 １ ／ Ｎ Ｓ ｔ ｅ ｐ ５ ： 输出状态估计 ， ＿ ＋ 尼 ＋１ ， 重复 Ｓ ｔ ｅ ｐ ２开始
递 推运 算 。
决重采样带来的粒子枯竭问题 ， 又进一步在粒 子滤 波 中引 入 了 马尔 可 夫 链 蒙 特 卡 罗 （ Ｍ ａ ｒ ｌ ｏ ｖ Ｃ ｈ ａ ｉ ｎ Ｍ ｏ ｎ ｔ ｅ Ｃ ａ ｒ ｌ ｏ ， Ｍ Ｃ Ｍ Ｃ） 方法 ， 使得粒子 的移 动步骤取 得 了很 好 的效果 。
１ ７
波算法。Ｐ Ｆ —Ｕ Ｋ Ｆ的基本思想是在使用 Ｕ ｎ ｓ ｃ ｅ ｎ ｔ ｅ ｄ
变换的基础之上 ， 利用 Ｕ Ｋ Ｆ 和最新的观测来产生重 要性密度函数。下面是 Ｐ Ｆ— Ｕ Ｋ Ｆ的算法步骤 ：
ｌ ， 时间序列长度为 Ｔ ＝ ６ ０ ， Ｐ Ｆ粒子数 Ｎ＝ ２ ０ ０ 。
Ｐ Ｆ 算法的估计性能明显 比改进后的算法 Ｐ Ｆ — Ｅ Ｋ Ｆ 、 Ｐ Ｆ— Ｕ Ｋ Ｆ和 Ｐ Ｆ — Ｍ Ｃ Ｍ Ｃ的估计性能要差 。各 粒子滤波算法 的实验结果如表 １ 所示。
表１ 各粒子滤波算法实验数据统计表
夫链 蒙特卡 罗方法的粒 子滤波算法进 行介 绍， 通 过仿 真 实验 ， 分析 这几 种算 法与标 准粒 子 滤波 算法相 比所具 有的优 点和缺 点。通过 实验成果 比较 ， 说明经过改进 的算 法在估计 性能方 面比标 准粒子 滤波算法有明显优势 。
关键词 ： 粒子滤波 ； 扩展 卡 尔曼粒子滤波 ； 无迹 粒子滤波 ； ＭＣ Ｍ Ｃ
一
Ｐ Ｆ — Ｅ Ｋ Ｆ算法 与其 他经典粒子滤波相 比较有 明显的优势 ， 通过这种算法可 以得出更加 良好的重
一种改进的多单元粒子滤波算法
Ｃｈ ｎ ｑ ｎ Ｋｅ Ｌａ ｏ ａ ｏ ｙ ｆ ｉ ｎ ｌ ｎ Ｉ ｆ ｒ ｔ ｎ ｒ ｃ ｓｉ ｇ， ｏ ｇ ｉ ｇ ｏ ｇ ｉｇ ｙ ｂ ｒ ｔ ｒ ｏ Ｓ ｇ ａ ａ ｄ ｎ ｏ ｍａｉ Ｐ ｏ ｅ ｓｎ Ｃｈ ｎ ｑ ｎ Ｕｎ ｖ ｒｉ ｏ ｏ ｔ ａ ｄ ｅｅ ｏ ｏ ｉ ｅ ｓｔ ｙ ｆ Ｐ ｓｓ ｎ Ｔ ｌｃ ｍｍｕ ｉａ ｉｎ ， ｎｃ ｔ ｓ ｏ Ｃｈ ｎ ｑ ｎ ０ ０ ５ Ｃｈ ｎ ｏ ｇ ｉｇ ４ ０ ６ ， ｉａ
Ａｂ ｔ ａ ｔ Ｔｒ ｄ ｔ ｎ ｌ ａ ｔ ｌ ｆｌ ｒ ｒ ｎ ｔ ｓ ｄ ｎ ｒ ｃ ｉｅ ｓｒ ｃ ： ａ ｉｉ ａ ｐ ｒ ｃｅ ｉ ｔ ａ ｅ ｏ ｕ ｅ ｉ ｐ ａ ｔ ｍａ ｎｙ ｅ ａ ｓ ｔ ｅ ｃ ｎ ｏ ｓ ｔｓ ｒ ａ －ｉ ｒ ｑ ｉ ｍ ｅ ｔ． ｏ ｏ ｉ ｅ ｃ ｉ ｌ ｂ ｃ ｕ ｅ ｈ ｙ ａ ｎ ｔ ａｉｆ ｙ ｅ ｌ ｍｅ ｅ ｕ ｒ ｔ ｅ ｎ ｓＳ ｔ ｉ ａ ｅ ｒ ｓ ｎ ｓ ｎ ｆ ｃ ｅ ｔ ｉ ｌｍ ｅ ｔｔｏ ｈｓ ｐ ｐ ｒ ｐ ｅ ｅ ｔ ａ ｅ ｉ ｉｎ ｍｐ ｅ ｎ ａ ｉ ｎ ｍｏ ｅ ｏ ｄ ｌ ｆ ｒ ｍｕ ｔ— ｎ ｔ ｐ ｒｉｌ ｆ ￣ｎ ｎ ｔ ｉ ｌ ｕ ｉ ａｔｃｅ ｉ ｉ ｌ Ｉ ｈ ｓ ｍｏ ｅ ． ｍｕ ｔ ｌ ｕ ｉ ｆ ｐ ｒｉｌ ｄ １ ｍｅ ｌ ｐｅ ｎｔ ｏ ａｔ ｅ ｉ ｓ ｃ ｄ ｔ ａ ｅ ｉ ｉ ｅ ｉ ｔ ａａ ｒ ｄ ｖ ｄ ｄ ｎ ｏ ｍａ ｙ ｒ ｕ ｓ ａ ｄ ｔ ｅ ｓ ｌ ｃ ｅ ａ ｉ ｍ ｖ ｌ ｅ ｏ ｔ ｅ ａ ｌ ｇ ａ ａ ｉ ｅ ｃ ｇ ｏ ｐ． ｉ ｎ ｇ ｏ ｐ ， ｎ ｈ ｎ ｅ ｅ ｔ ｄ ｍ ｘ ｍｕ ａ ｕ ｔ ｈ ｓ ｍｐ ｉ ｄ ｔ ｎ ａ ｈ ｒ ｕ Ｔｈ ｓ ｎ ｍｅ ｈ ｄ ｓ ｔ ｏ ｉ ｅ ｆ ｃ ｉ ｅ ｎ ｅ ｕ ｉ ｇ ｅ ｓ ｍｐ ｉ ｇ ｕ ｆｅ ｔ ｉ ｒ ｄ ｃ ｎ ｒ — ａ ｌ ｎ ｍｂ ｒ ｆ ｐ ｒｉｌ ｓ ａ ｄ ａ ｉ ｒ ｖ ｏ ｅ ａｉ ｎ ｆ ｃ ｅ ｃ ． ｅ ｘ ｅ ｉ ｎ ａ ｒ ｓ ｌ ｐ ｏ ｅ ｖ ｎ ｅ ｏ ａ ｔ ｅ ， ｎ ｃ ｎ ｍｐ ｏ ｅ ｐ ｒ ｔｏ ｅ ｉｎ ｙＴｈ ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｒ ｖ ｃ ｉ ｓ ｔ ａ ｈ ｄ ｌ ｈ ｓ ｂ Ｒ ｒ ｏ ｅ ａ ｉ ｎ ｅ ｃ ｅ ｃ ｈ ｇ ｅ ｃ ｕ ａ ｙ ａ ｄ ｉ ｅ ｓ ｙ ｓ ｔｓ ｅ ｅ ｌｔ ｅ ｕ ｒ ｍｅ ｔ ． ｈ ｔ ｔ ｅ ｍｏ ｅ ａ ｅ ｅ ｐ ｒ ｔ ｆ ｉ ｎ ｙ， ｉ ｈ ｒ ａ ｃ ｒ ｃ ｎ ｔ ａ ｉ ａ ｉｆ ｓ ｒ ａ — ｍｅ ｒ ｑ ｉｅ ｎ ｓ ｏ ｉ ｌ ｉ ｉ Ｋｅ ｒ ｓ ｐ ｒｉｌ ｌ ｒ ｒ —ａ ｌ ｇ； ｘ ｍｕ ａｕ ； ｖ ｒ ｇ ａ － ｑ ａ ｅ ｅ ｒ ｒ ｙ ｗｏ ｄ ： ａｔ ｅ ｆ ｔ ；ｅ ｓ ｍｐ ｉ ｍａ ｉ ｍ ｖ ｌ ｅ ａ ｅ ａ ｅ ｍｅ ｎ ｓ ｕ ｒ ｒｏ ｓ ｃ ｉ ｅ ｎ
Ａｂ ｔ ａ ｔ Ｔｒ ｄ ｔ ｎ ｌ ａ ｔ ｌ ｆｌ ｒ ｒ ｎ ｔ ｓ ｄ ｎ ｒ ｃ ｉｅ ｓｒ ｃ ： ａ ｉｉ ａ ｐ ｒ ｃｅ ｉ ｔ ａ ｅ ｏ ｕ ｅ ｉ ｐ ａ ｔ ｍａ ｎｙ ｅ ａ ｓ ｔ ｅ ｃ ｎ ｏ ｓ ｔｓ ｒ ａ －ｉ ｒ ｑ ｉ ｍ ｅ ｔ． ｏ ｏ ｉ ｅ ｃ ｉ ｌ ｂ ｃ ｕ ｅ ｈ ｙ ａ ｎ ｔ ａｉｆ ｙ ｅ ｌ ｍｅ ｅ ｕ ｒ ｔ ｅ ｎ ｓＳ ｔ ｉ ａ ｅ ｒ ｓ ｎ ｓ ｎ ｆ ｃ ｅ ｔ ｉ ｌｍ ｅ ｔｔｏ ｈｓ ｐ ｐ ｒ ｐ ｅ ｅ ｔ ａ ｅ ｉ ｉｎ ｍｐ ｅ ｎ ａ ｉ ｎ ｍｏ ｅ ｏ ｄ ｌ ｆ ｒ ｍｕ ｔ— ｎ ｔ ｐ ｒｉｌ ｆ ￣ｎ ｎ ｔ ｉ ｌ ｕ ｉ ａｔｃｅ ｉ ｉ ｌ Ｉ ｈ ｓ ｍｏ ｅ ． ｍｕ ｔ ｌ ｕ ｉ ｆ ｐ ｒｉｌ ｄ １ ｍｅ ｌ ｐｅ ｎｔ ｏ ａｔ ｅ ｉ ｓ ｃ ｄ ｔ ａ ｅ ｉ ｉ ｅ ｉ ｔ ａａ ｒ ｄ ｖ ｄ ｄ ｎ ｏ ｍａ ｙ ｒ ｕ ｓ ａ ｄ ｔ ｅ ｓ ｌ ｃ ｅ ａ ｉ ｍ ｖ ｌ ｅ ｏ ｔ ｅ ａ ｌ ｇ ａ ａ ｉ ｅ ｃ ｇ ｏ ｐ． ｉ ｎ ｇ ｏ ｐ ， ｎ ｈ ｎ ｅ ｅ ｔ ｄ ｍ ｘ ｍｕ ａ ｕ ｔ ｈ ｓ ｍｐ ｉ ｄ ｔ ｎ ａ ｈ ｒ ｕ Ｔｈ ｓ ｎ ｍｅ ｈ ｄ ｓ ｔ ｏ ｉ ｅ ｆ ｃ ｉ ｅ ｎ ｅ ｕ ｉ ｇ ｅ ｓ ｍｐ ｉ ｇ ｕ ｆｅ ｔ ｉ ｒ ｄ ｃ ｎ ｒ — ａ ｌ ｎ ｍｂ ｒ ｆ ｐ ｒｉｌ ｓ ａ ｄ ａ ｉ ｒ ｖ ｏ ｅ ａｉ ｎ ｆ ｃ ｅ ｃ ． ｅ ｘ ｅ ｉ ｎ ａ ｒ ｓ ｌ ｐ ｏ ｅ ｖ ｎ ｅ ｏ ａ ｔ ｅ ， ｎ ｃ ｎ ｍｐ ｏ ｅ ｐ ｒ ｔｏ ｅ ｉｎ ｙＴｈ ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｒ ｖ ｃ ｉ ｓ ｔ ａ ｈ ｄ ｌ ｈ ｓ ｂ Ｒ ｒ ｏ ｅ ａ ｉ ｎ ｅ ｃ ｅ ｃ ｈ ｇ ｅ ｃ ｕ ａ ｙ ａ ｄ ｉ ｅ ｓ ｙ ｓ ｔｓ ｅ ｅ ｌｔ ｅ ｕ ｒ ｍｅ ｔ ． ｈ ｔ ｔ ｅ ｍｏ ｅ ａ ｅ ｅ ｐ ｒ ｔ ｆ ｉ ｎ ｙ， ｉ ｈ ｒ ａ ｃ ｒ ｃ ｎ ｔ ａ ｉ ａ ｉｆ ｓ ｒ ａ — ｍｅ ｒ ｑ ｉｅ ｎ ｓ ｏ ｉ ｌ ｉ ｉ Ｋｅ ｒ ｓ ｐ ｒｉｌ ｌ ｒ ｒ —ａ ｌ ｇ； ｘ ｍｕ ａｕ ； ｖ ｒ ｇ ａ － ｑ ａ ｅ ｅ ｒ ｒ ｙ ｗｏ ｄ ： ａｔ ｅ ｆ ｔ ；ｅ ｓ ｍｐ ｉ ｍａ ｉ ｍ ｖ ｌ ｅ ａ ｅ ａ ｅ ｍｅ ｎ ｓ ｕ ｒ ｒｏ ｓ ｃ ｉ ｅ ｎ
一种改进粒子滤波算法分析
（ ａｔｌＦｌｒＰ Ｐｒｃ ｉｅ，Ｆ）不受非线性 、非高斯 问题的限制 。 ｉｅ ｔ
比较常用的两种 方法 。但是 Ｅ Ｆቤተ መጻሕፍቲ ባይዱ通过对非线性系 Ｋ
统 的一阶线性 化来实现 滤波 的 ，需要 计算雅克 比矩
Ｐ 算法是通过非参数化的蒙特卡罗模拟方法来实现 Ｆ
递 推 贝叶斯滤 波 ，其基本思想 是用随机样本 来描述
概率分布 ，这些样本被称为 “ 粒子” ，然后在测量的
阵 ，而且容 易导致滤 波发散 ； Ｋ Ｕ Ｆ算法是在 ｕ Ｔ变 换 的基础上结 合卡尔曼 滤波算法得 到的 ，逼近精 度
基础 上 ，通过调 节各粒子权值 的大小和样本 的位置 ，
巴
设 计 与 研 发
来 近似实 际概 率分布 ，并 以样本 的均值作为 系统 的
ａ ｄ ＵＫＦ ｗｈ ｃ ｓｆ ｔ ｄ ｔ ｕ ｓ ｎ ｄ ｓ ｉ ｕ ｏ ．Ｉ ｈ ａｅ ｔ ｄ ， ｈ ａ ｔ ｌ ｆ ｔｒ ａ ｏ ｉ ｍ ｒ ｐ ｓｄ ｉ ｈ ｎ ， ｉｈ ｉ ｉ ｍｉｅ Ｏ Ｇａ ｓ ａ ｉ ｒ ｔ ｎ ｎ ｔ ｅ ｌｔｒｓｕ ｙ ｔ ｅ ｐ ｒｉ ｅ ｉ ｅ ｌ ｒｔ ｉ ｔｂ ｉ ｃ ｌ ｇ ｈ ｉ ｐ ｏ ｏｅ ｔ ｅ ｓ ｎ
到 。粒子 滤波技术是 贝叶斯估 计基于 抽样理论 的一
大。然而 ，随着计 算机处理 能力 的不 断增强 ，早期
２ 。年 ５月 们 麓５ 期
电 子 测 试
ＥＬＥＣＴ ＲＯＮ Ｉ Ｃ Ｔ ＥＳ Ｔ
Ｍ ａ ２０１ ｙ． ０ Ｎ ｏ ５ ．
一
种 改进粒子滤波算法分析
门 吉芳 ，潘 宏 侠
（ 中北大 学机械工 程与 自动化学 院，山西太原 ，０ ０ ５ ） ３０ １
一种改进的粒子滤波和Mean Shift联合跟踪算法
文章编 号 ： １ ６ ７ ３ － ５ ６ ９ ２ （ ２ ０ １ ３ ） ０ ６ － ５ ９ ９ － ０ ６
Ａｎ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｔｒ ａ ｃ ｋ ｉ ｎ ｇ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｐａ ｒ ｔ ｉ ｃ ｌ ｅ Ｆ ｉ ｌ ｔ ｅ ｒ ａ ｎ ｄ Ｍｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ
一
种 改 进 的粒 子滤 波 和 Ｍｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ 联 合 跟 踪 算 法
李 沫 ， 郝伟博 ， 范哲意 ， 刘志文
（ １ ．北 京理 工 大学 信 息 与 电子 学院 ，北京
２ ．中国信 息安 全 产品认 证 中心 ， 北京
１ ０ ０ ０ ８ １ ；
１ ０ ０ ０ ２ ０ ）
ｉｌ ｆ ｔ ｅ ｒ ａ ｎ ｄ ｍｅ ａ ｎ ｓ ｈ ｉ ｔ ｆ ｉ ｓ ｐｒ ｏ ｐ ｏ ｓ ｅ ｄ．Ａｉ ｍｉ ｎ ｇ ａ ｔ ｔ ｈ ｅ ｓ ｈｏ ｔｃ ｒ ｏ ｍｉ ｎ ｇ ｓ ｏ ｆ ｃ ｏ ｌ ｏ ｒ ｈ ｉ ｓ ｔ ｏ ｇ ｒ ａ ｍ— ｂａ ｓ ｅ ｄ ｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ
摘
要： 为 了提 高视 频 运动 目标 跟踪 的准 确性 和 实时性 ， 提 出一种 改进 的粒子 滤 波和 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｔ联 ｆ
合跟 踪 算法 。针 对传统 粒子 滤 波跟踪 算 法 中颜 色直方 图观 测 模 型存 在 的 局 限性 ， 提 出 了一种 基 于
分块 颜 色直方 图的观 测 模 型描 述 方 法 ， 并根 据 该分 块直 方 图的特 点 ， 重 新设 计 了粒 子权 值 的更新 策
第 ６期 ２ ０ １ ３年 １ ２月
中 Ｉ 园 鼋； 纠． 鼍 ｆ 研宪 限学
改进的粒子滤波算法在目标跟踪中的应用
［ ］ 朱建 春． ２ 关于 自建特 色数据库的探索 ［］ Ｊ ． 图书馆学刊 ， 江西
２ ０ （ ５） １ ３ ０ ０ ５ ３ ： ０ —１４。
华南理 工大学应用数学与应用 软件 专业 ， 助理 馆员 ， 华南理工大
［ ］ 朱晓菁． ３ 谈高校图书馆纸本文献与数字资源的协调发展［ ］ Ｊ．
已成功地应用于信号分析 、 罔像处理和 目标跟踪 ［等方面 。本文 ｚ
进一步将小波变换用 于改进粒 子权 值更新过程 中 ，通 过小滤 阈 值 去噪降低重要密度与后验概率之间 的偏差。
１１ 序贯 重要抽样 （Ｉ ） ． ＳＳ 算法
粒子滤波通过带 有归一化权重 的粒子集来近似 表示 后验概 率 密度 。每一个 粒子的位置和权重反 映了状态空 间在该 位置 的
科技情报开发与经济
文章 编 号 ：０ ５ ６ ３ （ ０ ０ １— ０ ３ ０ １０ — ０ ３ ２ １ ）３ ０ ９ — ３
Ｓ ＩＦ Ｃ Ｆ Ｒ Ａ ＩＮＤ Ｖ Ｌ Ｐ Ｎ Ｃ一 Ｅ ＨＩ Ｏ Ｍ ＴＯ Ｅ Ｅ Ｏ ＭＥ Ｔ＆Ｅ Ｏ Ｏ Ｙ Ｎ ＣＮ Ｍ
２１年 ００
第２卷 ０
第 １ 期 ３
［ ］ 范武 山 ， 国华 ． １ 严 基于 Ａ Ｐ的图书馆期 刊题录库 的 Ｗｅ Ｓ ｂ开
发［］ Ｊ． 农 业 工 程 ，０ ９ 】 ：６ ５ ． 热带 ２ ０ （ ）４ — ０
ｈｍ ｔ．
第一作 者简介 ： 陈
（ 责任编辑 ： 王永胜 ）
东 ， ，９ ３年 ２月 生 ，０ ５年 毕 业 于 男 １８ ２０
数 对后 验 函 数 的偏 差 将 增 大。 将 小 波 去 噪应 用到 粒子 滤 波 过 程 中 ， 降低 了偏 差 ， 高 了 提
粒子滤波算法改进策略研究
第２ ９卷 第 ２期
２１ ０ ２年 ２月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆ Ｃ ｍｐ ｔ ｒ ｃ ｏ
Ｖｏ ． ９ Ｎｏ ２ １２ ． Ｆ ｂ ２ １ ｅ． ０ ２
粒 子 滤 波 算 法 改进 策 略研 究
ｔ ｎ；ｐａ ｉｌ ｉ ｏ ｔ ｒ ｃｅ ｍｕｔｔｏ ｏ ｅ ａｉ ｎ ａｉｎ ｐ ｒ ｔｏ
粒子滤波 （ Ｆ … 算法 作为解决 非线 性 、 Ｐ） 非高 斯及 多模分
布的递归 Ｂ ｙｓ ｎ状态估计 问题 的研究热点 ， ａｅｉ ａ 已经广泛应用 于 诸多领域 。然而 ， 由于基 于序 列重要 性采 样 （ｅｕ ｎｉ ｏ— ｓｑ ｅｔ ｉ ｒ ｌ ａ ｍｐ
用退 火参数控制状态转移先 验分 布函数与 观测似 然函数之 间 的比例。此外 ， 由于频繁／ 过少重采样会出现负面效应 ， 为保 证 能够有合适的重采样次数 ， 于有效 样本大小估计值执行 自适 基 应重采样策略 。同时 ， 对重采样 算法 进行 改进 ， 方面利 用 针 一 部分系统重采样执行速度快 的优点 ， 另一方面利用权重优化的 思想 对 其重采样 前后 权重 计算 的方 法进 行改 进 。而 且 ， 为 了保 证样本的多样性 ， 重采样 后执行粒子变异操作 。通过单 在
Ｒｅ ｅ ｒ ｈ ｏ ｍｐ ｏ ｅ ｔａｅ ｙ ｆｒｐ ｒｉｌ ｌｅ ｌｏ ｉ ｍ ｓ ａ ｃ ｎ ｉ ｒ ｖ ｄ ｓｒ ｔｇ ｏ ａｔｃｅｆ ｔｒａｇ ｒｔ ｉ ｈ
ＹＵ Ｊｎ ｘａ，Ｔ ｉ—ｉ ＡＮＧ Ｙ ｎ — ，ＸＵ Ｊｎ — ｎ ｏ ｇｌ ｉ ｉ ｇ ｍｉ
（ ｏｅｅ ｆＣ ｍ ｕ ｒ ｃ ｎ ＆ Ｔｃｎｌ ｙ Ｈ ｎ ｎ ｏ ｔ ｈ ｉ Ｕ ｉ ｒｔ， ｉ ｚ ｅａ ５０ ３ Ｃ ｉ ） Ｃ ｌｇ ｐ ｔ ｉ ｃ ｌ ｏ ｏ ｅ Ｓ ｅ ｅ ｅ ｏ ｇ ， ｅａ ｌｅ ｎ ｎ ｅ ｉ Ｊ ｏｕ Ｈ ｎ ｎ ４ ０ ， ｈ ａ ｈ ｏ Ｐ ｙ ｃ ｃ ｖ ｓｙ ａ ｏ ， ４ ｎ
２１ ０ ２年 ２月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｕ ｅ ｓ ｐ ｉ ｔ ｓ ａ ｃ ｆ Ｃ ｍｐ ｔ ｒ ｃ ｏ
Ｖｏ ． ９ Ｎｏ ２ １２ ． Ｆ ｂ ２ １ ｅ． ０ ２
粒 子 滤 波 算 法 改进 策 略研 究
ｔ ｎ；ｐａ ｉｌ ｉ ｏ ｔ ｒ ｃｅ ｍｕｔｔｏ ｏ ｅ ａｉ ｎ ａｉｎ ｐ ｒ ｔｏ
粒子滤波 （ Ｆ … 算法 作为解决 非线 性 、 Ｐ） 非高 斯及 多模分
布的递归 Ｂ ｙｓ ｎ状态估计 问题 的研究热点 ， ａｅｉ ａ 已经广泛应用 于 诸多领域 。然而 ， 由于基 于序 列重要 性采 样 （ｅｕ ｎｉ ｏ— ｓｑ ｅｔ ｉ ｒ ｌ ａ ｍｐ
用退 火参数控制状态转移先 验分 布函数与 观测似 然函数之 间 的比例。此外 ， 由于频繁／ 过少重采样会出现负面效应 ， 为保 证 能够有合适的重采样次数 ， 于有效 样本大小估计值执行 自适 基 应重采样策略 。同时 ， 对重采样 算法 进行 改进 ， 方面利 用 针 一 部分系统重采样执行速度快 的优点 ， 另一方面利用权重优化的 思想 对 其重采样 前后 权重 计算 的方 法进 行改 进 。而 且 ， 为 了保 证样本的多样性 ， 重采样 后执行粒子变异操作 。通过单 在
Ｒｅ ｅ ｒ ｈ ｏ ｍｐ ｏ ｅ ｔａｅ ｙ ｆｒｐ ｒｉｌ ｌｅ ｌｏ ｉ ｍ ｓ ａ ｃ ｎ ｉ ｒ ｖ ｄ ｓｒ ｔｇ ｏ ａｔｃｅｆ ｔｒａｇ ｒｔ ｉ ｈ
ＹＵ Ｊｎ ｘａ，Ｔ ｉ—ｉ ＡＮＧ Ｙ ｎ — ，ＸＵ Ｊｎ — ｎ ｏ ｇｌ ｉ ｉ ｇ ｍｉ
（ ｏｅｅ ｆＣ ｍ ｕ ｒ ｃ ｎ ＆ Ｔｃｎｌ ｙ Ｈ ｎ ｎ ｏ ｔ ｈ ｉ Ｕ ｉ ｒｔ， ｉ ｚ ｅａ ５０ ３ Ｃ ｉ ） Ｃ ｌｇ ｐ ｔ ｉ ｃ ｌ ｏ ｏ ｅ Ｓ ｅ ｅ ｅ ｏ ｇ ， ｅａ ｌｅ ｎ ｎ ｅ ｉ Ｊ ｏｕ Ｈ ｎ ｎ ４ ０ ， ｈ ａ ｈ ｏ Ｐ ｙ ｃ ｃ ｖ ｓｙ ａ ｏ ， ４ ｎ
基于改进粒子滤波的PSK信号时延和码元联合估计算法
于 最 大 似然 近 似 理 论 。
无 线 信 道 等 因 素 的 影 响 ， 使 得 信 号 本 身产 生 时 间
延 迟 、 幅 度 衰 减 、载 波 频 率 和 相 位 的 偏 移 。在 接 收端 对 信 号进 行 解 调 之 前 需 要 估 计 这 些 未 知 参 数
近 些 年 来 ， 粒 子 滤波 算 法 越 来 越 引起 广 泛 的 关 注 ，其 基 本 思 想 是 构 造 回 归 的 贝 叶斯 滤 波 器 并
和符 号序 列 ， 需要建 立状态 空 间模型 ， 即状态 方程 。 假设 在一 段 时间 内时间延 迟及载 波偏 差保 持不 变 ，
则有
噪 声 过 大 ， 则 会 出 现 无 法 收 敛 的情 况 ， 这 都 会 导致 估计精度 下降 。
本文 提 出一种 自适应 重采 样 方法 ，根据 迭代 误
Ｆ ｕ ｄ ｔ ｎＩｅ Ｔ ｅ ｔ ｎ ｌ ｔｒ ｃｅ ｃ ｏ ｎ ａｉｎｏ ｈ ｎ ６ ８ ２ ２ ） ｏ ｎ ａ ｉ ｍ： ｈ ｉ ａ Ｎａ ｅ ｉｎ ｅ ｕ ｄ ｔ ｆ ｉ ａ（０ ７ １ ２ ｏ ｔ Ｎａ ｏ ｕ Ｓ Ｆ ｏ Ｃ
通
信
学
报
第３ ３卷
随机 采 样 点 及 相 应 权 值 来 近 似 概 率 分 布 【。与 卡 ２ ］
Ｉ ｐｒ ｖ ｄ ｒ ｉｌ ｌｅ ｉ ｓ ｄ ｌ ｏ ｉｈｍ ｏ ｉ ｅｄｅ ａ ｍ ｏ ｅ ｐａ ｔｃ ｅｆ ｔ ｒ ｎｇ ｂａ ｅ ａ ｇ ｒｔ ｉ ｆ ｒｔｍ ｌ ｙ
ａ ｄｓ ｍｂ ｌ ｊ ｉｔ ｓｉ ｔ ｎｏ Ｓ ｓｇ ａｓ ｎ ￣ ｏｓ ｏｎ ｔ ｙ ｅ ｍａ ｉ ｉｔ Ｋ ＂ｎ ｌ ｏ —一 Ｉ ＇ ｉ
１ 引言
移 相 键 控 （Ｓ 调 制 是 通 信 系 统 中 应 用 广 泛 Ｐ Ｋ）
无 线 信 道 等 因 素 的 影 响 ， 使 得 信 号 本 身产 生 时 间
延 迟 、 幅 度 衰 减 、载 波 频 率 和 相 位 的 偏 移 。在 接 收端 对 信 号进 行 解 调 之 前 需 要 估 计 这 些 未 知 参 数
近 些 年 来 ， 粒 子 滤波 算 法 越 来 越 引起 广 泛 的 关 注 ，其 基 本 思 想 是 构 造 回 归 的 贝 叶斯 滤 波 器 并
和符 号序 列 ， 需要建 立状态 空 间模型 ， 即状态 方程 。 假设 在一 段 时间 内时间延 迟及载 波偏 差保 持不 变 ，
则有
噪 声 过 大 ， 则 会 出 现 无 法 收 敛 的情 况 ， 这 都 会 导致 估计精度 下降 。
本文 提 出一种 自适应 重采 样 方法 ，根据 迭代 误
Ｆ ｕ ｄ ｔ ｎＩｅ Ｔ ｅ ｔ ｎ ｌ ｔｒ ｃｅ ｃ ｏ ｎ ａｉｎｏ ｈ ｎ ６ ８ ２ ２ ） ｏ ｎ ａ ｉ ｍ： ｈ ｉ ａ Ｎａ ｅ ｉｎ ｅ ｕ ｄ ｔ ｆ ｉ ａ（０ ７ １ ２ ｏ ｔ Ｎａ ｏ ｕ Ｓ Ｆ ｏ Ｃ
通
信
学
报
第３ ３卷
随机 采 样 点 及 相 应 权 值 来 近 似 概 率 分 布 【。与 卡 ２ ］
Ｉ ｐｒ ｖ ｄ ｒ ｉｌ ｌｅ ｉ ｓ ｄ ｌ ｏ ｉｈｍ ｏ ｉ ｅｄｅ ａ ｍ ｏ ｅ ｐａ ｔｃ ｅｆ ｔ ｒ ｎｇ ｂａ ｅ ａ ｇ ｒｔ ｉ ｆ ｒｔｍ ｌ ｙ
ａ ｄｓ ｍｂ ｌ ｊ ｉｔ ｓｉ ｔ ｎｏ Ｓ ｓｇ ａｓ ｎ ￣ ｏｓ ｏｎ ｔ ｙ ｅ ｍａ ｉ ｉｔ Ｋ ＂ｎ ｌ ｏ —一 Ｉ ＇ ｉ
１ 引言
移 相 键 控 （Ｓ 调 制 是 通 信 系 统 中 应 用 广 泛 Ｐ Ｋ）
改进的基于颜色的粒子滤波目标跟踪算法
Ａｂｔａｔ ｎ ｖ ｌ ｂｅｔｒｃｉｇａｇ ｒｈ ｒｐ ｓｄ ｗ ｉ ｏ ｌ ｒｂ ｓ ｔ ｃ ｂｅｔ ｕ ｄ ｒ ｃｌｓ ｎ ｈ ｒｐ ｓｄｍｅ ｏ ｓ ｃ：Ａ ｏ ｅ ｏｊｃ ａｋｎ ｌｏｉ ｍ ｉ ｐｏ ｏｅ， ｈｃ ｃ ｕｄ ｏ ｕ ｔｒ ｋｏ ｊｃｓ ｎ ｅ ｏ ｃ ｉ ．Ｔ ｅ ｏ ｏｅ ｔ ｄ ｒ ｔ ｔ ｓ ｈ ａ ｕｏ ｐ ｈ
跟踪 窗分为 左右 两个子部分 ， 分别计 算相似性 度量 的方法 ， 高 了遮挡 检测 的 实时性和准确 性；同时， 提 该算 法对 旋转和尺 寸 的 变化 具有 鲁棒 性 。实验结 果表 明， 与基本 的粒 子 滤波算 法相 比 ， 出的新 算法能 更好 的处 理 目标跟 踪 中的遮挡 问题 。 提
ｉｔ ｇ ａ ｅ ｔ ｒ ｖ ｄ ｃ ｌ ｒ ｉｔ ｇ ａ ｉ ｅｍｅ ｓ ｒ ｍ ｅ ｔ ｄ ｌ ｆ ａ ｔ ｌ ｌ ｒ ａ ｄａ ｃ ｌ ｓｏ ｅ ｅ ｔ ｎｍｅｈ ｄｂ ｓ ｄｓ ｂ ｂ ｏ ｋ ｎ ｅ ｒ ｔ ｄｗｉ ｉ ｏ ｅ ｏｏ ｓｏ ｒ ｍ ｔ ａ ｕ ｅ ｎ ｈ ｍｐ ｈ ｎｈ ｍｏ ｅ ｐ ｒｉ ｅｆ ｔ ， ｎ ｎ ｏ ｃｕ ｉ ｎ ｄ ｔ ｃｉ ｔ ｏ ａ ｅ ． ｌｃ ｏ ｃ ｉ ｅ ｏ ｕ ｄ ｔｃ ｉ ｇ ｉ ｐ ｏ ｏ ｅ ． Ｆ ｒ ｔ ， ａ ｎ ｖ ｌ ｉ ｈ ｓｍｅｈ ｄ ｉ ｉ ｅ ， ｗｈ ｃ ｍｐ ｏ ｅ ｅ ｋ ｒ ｅ ｎ ｔｏ ． Ｔ ｅｍｅｈ ｄ ｉ ｔ ａ ｅｐ ｘ ｌ ｅｅ ｔ ｒ ｐ ｓ ｄ ｎ ｓ ｉｓｌ ｙ ｏ ｅ ｇ ｔ ｔ ｏ ｓｇ ｖ ｎ ｗｅ ｉｈ ｉ ｒ ｖ ｄ ｔ ｅ ｌ ｕ ｃｉ ｎ ｈ ｎ ｆ ｈ ｔｏ ｔｈ ｉｅｓ ｓｈ ｔ
摘 要 ： 出 了一种 改进 的粒 子滤 波算 法， 遮挡 情况下 ， 提 在 能鲁棒地跟 踪运动 目标 。该 方法是把 改进 的颜 色直方 图结合 到粒
跟踪 窗分为 左右 两个子部分 ， 分别计 算相似性 度量 的方法 ， 高 了遮挡 检测 的 实时性和准确 性；同时， 提 该算 法对 旋转和尺 寸 的 变化 具有 鲁棒 性 。实验结 果表 明， 与基本 的粒 子 滤波算 法相 比 ， 出的新 算法能 更好 的处 理 目标跟 踪 中的遮挡 问题 。 提
ｉｔ ｇ ａ ｅ ｔ ｒ ｖ ｄ ｃ ｌ ｒ ｉｔ ｇ ａ ｉ ｅｍｅ ｓ ｒ ｍ ｅ ｔ ｄ ｌ ｆ ａ ｔ ｌ ｌ ｒ ａ ｄａ ｃ ｌ ｓｏ ｅ ｅ ｔ ｎｍｅｈ ｄｂ ｓ ｄｓ ｂ ｂ ｏ ｋ ｎ ｅ ｒ ｔ ｄｗｉ ｉ ｏ ｅ ｏｏ ｓｏ ｒ ｍ ｔ ａ ｕ ｅ ｎ ｈ ｍｐ ｈ ｎｈ ｍｏ ｅ ｐ ｒｉ ｅｆ ｔ ， ｎ ｎ ｏ ｃｕ ｉ ｎ ｄ ｔ ｃｉ ｔ ｏ ａ ｅ ． ｌｃ ｏ ｃ ｉ ｅ ｏ ｕ ｄ ｔｃ ｉ ｇ ｉ ｐ ｏ ｏ ｅ ． Ｆ ｒ ｔ ， ａ ｎ ｖ ｌ ｉ ｈ ｓｍｅｈ ｄ ｉ ｉ ｅ ， ｗｈ ｃ ｍｐ ｏ ｅ ｅ ｋ ｒ ｅ ｎ ｔｏ ． Ｔ ｅｍｅｈ ｄ ｉ ｔ ａ ｅｐ ｘ ｌ ｅｅ ｔ ｒ ｐ ｓ ｄ ｎ ｓ ｉｓｌ ｙ ｏ ｅ ｇ ｔ ｔ ｏ ｓｇ ｖ ｎ ｗｅ ｉｈ ｉ ｒ ｖ ｄ ｔ ｅ ｌ ｕ ｃｉ ｎ ｈ ｎ ｆ ｈ ｔｏ ｔｈ ｉｅｓ ｓｈ ｔ
摘 要 ： 出 了一种 改进 的粒 子滤 波算 法， 遮挡 情况下 ， 提 在 能鲁棒地跟 踪运动 目标 。该 方法是把 改进 的颜 色直方 图结合 到粒
改进的粒子滤波算法
性、 非高斯系统模型下 ， 基于 贝叶斯估 计 的蒙 特卡罗 思想 样 。通过粒子补偿可 以有效减小 预测值 与实际测 量值 的 的滤波算法 。该算法 目 被广泛 应用 于非线性 、 前 非高斯环 误差 ， 同时也 可以为下 一次预测 提供更 加精确 的粒子 ， 从
境下的参数估 计 和状 态 估计 以及 语 音信 号处 理 、 目标 跟 而减小先验概率 密度与 目标 密度 函数 的误差 。利 用方差 踪、 自适应估计等领域。在标 准粒子滤波算法的重要性采 进行采样的方法 可有效提高粒 子 的多 样性 ， 特别 地 ， 因为 样 中， 广泛使用的是序列重要性采样 （ Ｉ） 同时也带来 了 在较大权 值的粒子周 围进行重采样 ， ＳＳ ， 增强 了采样粒子 的针
ｇｎ ｈ ｔｏ ｆｒｓ ｍｐｅ ｈ ｅｍｅ ｏ ｓｔａ ａｔｃｅ ｅａ ｌ ｒｕ ｄｏ ｅｈｇ ｉｈｓｏ ｒｉｌｓｂ ｅｖ ｒａ ｃ ｆｔｅ ｐｅ ｉｔｄｖ ｌｅ ｎ ｈｅｏ — ｉｇｔ ｅｍｅｈ ｄ ｏ ｅａ ｌ．Ｔ ｔ ｄ ｉ ｈ ｔｐ ｒ ｌｓｒｓ ｍｐｅ ａｏ ｎ ｆｔ ｉｈ ｗｒｇ ｔ ｆｐ ｔ ｅ ｙｔ ａｉｎ ｅｏ ｒｄｃｅ ａｕ ｓａ ｄｔ ｂ ｈ ｉ ｈ ａ ｃ ｈ ｈ ｓ ｒａｉｎ ｄ ｔ．Ｔｈ ｍｐ ｏ ｅ ａ ｉｌ ｌｅ ｓｃ ｍｐ ｒ ｏ ｈ ｔｎ ａｄ ｐ ｒｉｌ ｌｅ ，ｏ ｈ ａ ｉ ｆｔ ｅｅ ｐ ｒｍｅ ｔｌｒｓ ｌｓ ｍｐ ｏ ｅ ｌｏ ｔ ｅ ｖ ｔ ａａ ｏ ｅ ｉ ｒｖ ｄ ｐ ｒ ｃｅ ｆｔｒｉ ｏ ａ ｅｆｒｔｅ ｓａ ｄ ａ ｃｅｆ ｔｒ ｎ ｔｅ ｂ ｓｓｏ ｈ ｘ ｅ ｔ ｉ ｒ ｔ ｉ ｉ ｎａ ｅｕ ｔ，ｉ ｒ ｖ ｄ ａｇ ｒ ｈｍ ａ ｉ ｈｓ
【 摘 要】针对标准粒子滤波算法重采样后粒子多样性丧失问题 ， 出一种在粒子补偿 的基础上， 提 利用预测值与观测值的方差 进行 粒子 重采样 的改进粒 子滤波算 法。该算 法是在标准 粒子滤 波算法 的基础 上 ， 入粒 子补偿 的步骤 ， 后利用 预测值 与观 测 加 然 值 的方差在 权值较 高 的粒 子周 围进行 重采样来 改善标准 粒子滤 波算法 中粒子 多样 性丧 失 问题 。实验 结果 表 明： 相 同条 件 下 ， 在
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｏ 引 言
最优估计理论 以卡尔曼 滤波＿ ］ 代表 ，自二 战以后得 １为
到 了广 泛 的应 用 和 不 断 的
波＿ ］ ３ 方法 又逐 渐得 到 了人们 的重 视 。粒 子 滤 波 （ ａｔ ｌ ｐｒｉ ｅ ｃ
ｆｔｒ ｇ Ｐ ）以一组随机 的粒子来模 拟估计 信号 的分布为 ｉｅｉ ， Ｆ ｌ ｎ
ｃｅ ｖ ｏ ｈｇ ｉｅｉｏ ｄ ｖ ｌ ｅａｅ ，Ｓ ｔｃｎ ｉｃｅ ｓ ｈ ｉｅｓｔ ｆｐ ｒｉｌｓ ｎ ｍｐ ｏ ｅｔ ｅｓａ ｉｔ ｎ ｃｕ ａ ｙｆ ｒ ｌｓｍｏ ｅｔ ｉｈ ｌ ｌ ｏ ａｕ ｒａ Ｏ ｉ ａ ｎ ｒ ａｅｔ ｅｄｖ ｒ ｉ Ｏ ａｔ ｅ ，ａ ｄ ｉ ｒ ｖ ｈ ｔｂｌ ｙａ ｄ ａｃ ｒｃ ｏ ｋ ｈ ｙ ｃ ｉ
２１ ０ ２年 １ ０月
计 算机 ３ 程 与 设 计 －
ＣＯＭ Ｐ ＵＴＥ Ｅ Ｒ ＮＧＩ ＮＥＥ ＮＧ ＲＩ ＡＮＤ ＤＥＳ ＧＮ Ｉ
Ｏｃ． Ｏ ２ ｔ２ １ Ｖｏ． ３ Ｎｏ １ Ｉ３ ．０
第３ ３卷
第 １ 期 ０
改 进 的 粒 子 滤 波 算 法
余 熙 ， 张天 骐 ， 白 娟 ，魏世 朋
核 心 思 想 ，对 系 统 是 否 非 线 性 并 不 敏 感 ，在 处 理 随 机 信 号
在 重采样技术 的基础 上，提 出了一种改进 的粒 子 滤波算 法。 当粒子 失去 多样 性 而导致估 计误 差较 大 时，采取 一种循 环算
法 ，使 得 粒 子 朝 高似 然 区 域 移 动 ，以 增 加 粒 子 的 多样 性 ，提 高对 强非 线 性 系统 滤 波 的稳 定 性 和 准 确 性 。 仿 真 实验 验 证 了该
ｓｒ ｎ ｏ －ｉ ｅ ｒ ｓ ｓ ｅ ｏ ｕ ｓ ｉｔ ｒ ｔ ｏ ｇ ｎ ｎ ｌ ａ ｙ ｔ ｍ ｒ ｂ ｒ ｔｄ ｓ ｕ ｂ，ｂ ｓ ｄ ｏ ｅ ａ ｌ ｇ ｔ ｃ ｎ ｑ ｅ ａ ｍｐ ｏ ｅ ｌｏ ｉｈ ｏ ａ ｔ ｌ ｉ ｅ ｉ ｇ ｉ ｒ — ｎ ａ ｅ ｎ ｒ ｓ ｍｐ ｉ ｅ ｈ ｉ ｕ ． ｎ ｉ ｒ ｖ ｄ ａｇ ｒｔ ｍ ｆ ｐ ｒｉ ｅ ｆ ｔ ｒ ｓ ｐ ｏ ｎ ｃ ｌ ｎ ｐ ｓ ｄ Ｗ ｈ ｎ ｐ ｒ ｉｌｓ ｌ ｓ ｉ ｅ ｓｔ ｅ ｕ ｔ ｇ ｉ ａ ｇ ｓ ｉ ｔ ｎ ｅ ｒ ｒ ｏ ｌ ｏ ｉ ｍ ｓｅ ｐｏ ｔ ｄ ｏｅ． ｅ ａ ｔ ｅ ｏ ｅ ｄ ｖ ｒ ｉ ｒ ｓ ｌ ｎ ｎ ｌ ｒ ｅｅ ｔ ｃ ｙ ｉ ｍａ ｉ ｒ ｏ ，ａ ｌ ｐ ａｇ ｒｔ ｏ ｏ ｈ ｉ ｘ ｌ ｉ ，ｗｈ ｃ ａ ｋ ｈ ａ ｔ ｅ ｉｈ ｃ ｎ ｍａ ｅ ｔ ｅｐ ｒｉ －
Ａ ｓｒ ｃ ：Ｔ ｒｖ ｎ ｅｌｓ ｆ ａｔ ｌ ｄｖ ｒｉ ｆ ｒｒｐ ａｅ ｅ ａ ｌ ｇ ｅａ ｈ ｔｔ ｔ ａ ｉｄ ｐ ｎ ｅ ｃ ，ａ ｄ ｔ ｄｕ ｔ ｂ ｔ ｔ ｏｐ ｅ ｅ ｔ ｈ ｓ ｒｉ ｅ ｉ ｓ ｙａｔ ｅ ｅ ｔｄ ｒ ｓｍｐｉ ，ｒ ｔｉ ｔ ｅｓａｉ ｉ ｌ ｎ ｅ ｅ ｄ ｎ ｅ ｎ ｏ ａｊ ｓ ａ ｔ ｏ ｏ ｐ ｃ ｅ ｔ ｅ ｎ ｎ ｓｃ
算法的有效性 。
关 键 词 ：粒 子 滤 波 ；非 线 性 系统 ；似 然 函数 ； 粒 子 多样 性 ；循 环 算 法 中图法分类号 ： ＴＮ９３ 文 献 标 识 号 ：Ａ 文 章 编 号 ：１０ —０ ４ （ ０ ２ １ —０ ９０ ５ ０ ０７ ２ ２ １ ） ０４ ０—６
Ｉ ｒ ｖ ｄ ａｇ ｒｔ ｍ ｆｐ ｒｉｌ ｉ ｅ ｉ ｇ ｍｐ ｏ ｅ ｌ ｏ ｉ ｈ ｏ ａ ｔｃ ｅｆｌ ｒｎ ｔ
ｓ ｒ ｎ ｏ －ｉ ｅ ｒｓ ｓｅ ｔｏ ｇ ｎ ｎ ｌ ａ ｙ ｔ ｍ． Ｔｈ ａ ｉｉｙ ｏ ｈ ｒ ｐ ｓ ｄ ａｇ ｒｔ ｍ ｒ ｖ ｄ ｔ ｒ ｕ ｈ ｓ ｕ ａ ｉｎ ｒ ｓ ｌｓａ ｄ ｃ ｍｐ ｒｓ ｎ ｗｉ ｔ ｅ ｎ ｅ ｖ ｌ ｔ ｆｔ ｅｐ ｏ ｏ ｅ ｌ ｏ ｉ ｄ ｈ ｉ ｐ ｏ ｅ ｈ ｏ ｇ ｉ ｌ ｔ ｅ ｕ ｔ ｎ ｏ ａ ｉ ｔ ｏ ｈ ｒ ｓ ｍ ｏ ｏ ｈ
ａｇ ｒｔ ｓ ｌｏ ｉ ｍ ｈ ．
Ｋｅ ｒ ｓ ｐ ｒｉｌ ｉ ｅ ｉ ｇ；ｎ ｎ ｌ ｅ ｒ ｓ ｓ ｅ ；ｌ ｅ ｉ ｏ ｄ ｆ ｎ ｔｏ ｙ ｗｏ ｄ ： ａ ｔｃｅ ｆ ｔ ｒｎ ｌ ｏ －ｉ ａ ｙ ｔ ｍ ｎ ｉ ｌ ｏ ｕ ｃ ｉ ｎ；ｐ ｒｉｌ ｉｅ ｓｔ ；ｌｏ ｌ ｏ ｉｈ ｋ ｈ ａ ｔｃｅ ｄ ｖ ｒ ｉｙ ｏ ｐ ａ ｇ ｒｔ ｍ
（ 庆邮 电 大学 信 号 与信 息处理 重 庆 市重 点 实验 室 ，重庆 ４ ０ ６ ） 重 ０ ０ ５
摘 要 ： 为 了 防 止 经 多次 重 采 样 后 粒 子 多样 性 的 丧 失 ，保 持 粒 子 的 统 计 独 立 性 ， 以 应 对 强 非 线 性 系统 或 者 意 外 突发 情 况 ，
ＹＵ ，ＺＨＡＮＧ ａ — ｉ Ａ Ｉ ｕ ｎ，Ｗ ＥＩＳ ｉ ｅ ｇ Ｘｉ Ｔｉｎ ｑ ，Ｂ ａ Ｊ ｈ— ｎ ｐ
（ ｏ ｇ ｉ ｇ Ｋｅ ａ ｏ ａ ｏ ｙ ｏ ｉ ｎ ｌａ ｄ Ｉ ｆ ｒ ａ ｉ ｎ Ｐｒ ｃ ｓ ｉ ｇ，Ｃｈ ｎ ｑ ｎ ｉｅ ｓｔ ｆ ｓ ｓ ａ ｄ Ｃｈ ｎ ｑｎ ｙ Ｌ ｂ ｒ ｔ ｒ ｆＳ ｇ ａ ｎ ｎ ｏ ｍ ｔ ｏ ｅ ｓｎ ｏ ｏ ｇ ｉ ｇ Ｕｎ ｖ ｒ ｉｙ ｏ Ｐｏ ｔ ｎ Ｔｅ ｅ ｏ ｌｃ ｍｍ ｕ ｉａ ｉ ｎ ，Ｃｈ ｎ ｑ ｎ ０ ０ ５，Ｃｈ ｎ ） ｎｃ ｔ ｓ ｏ ｏ ｇ ｉｇ ４ ０ ６ ｉ ａ