免疫粒子群粒子濾波算法及硬件實(shí)現(xiàn)研究.pdf

1、在非線性濾波領(lǐng)域，粒子濾波算法在繼傳統(tǒng)的擴(kuò)展卡爾曼濾波算法和無(wú)跡卡爾曼濾波算法之后開(kāi)始得到人們的重視，并廣泛應(yīng)用于目標(biāo)跟蹤、導(dǎo)航制導(dǎo)與控制、圖像處理及故障檢測(cè)等領(lǐng)域。粒子濾波是一種基于蒙特卡洛模擬實(shí)現(xiàn)遞推貝葉斯濾波的技術(shù)，利用在狀態(tài)空間中傳遞的隨機(jī)樣本，對(duì)狀態(tài)后驗(yàn)概率密度函數(shù)進(jìn)行近似，并根據(jù)蒙特卡洛估計(jì)原理估計(jì)狀態(tài)值。本質(zhì)上適用于任何非高斯及非線性的情況。但是，粒子濾波也存在固有的缺陷，如粒子退化、樣本貧化及計(jì)算速度慢等問(wèn)題。
　

2、　 本論文針對(duì)傳統(tǒng)粒子濾波技術(shù)的固有缺陷，研究對(duì)粒子濾波算法的改進(jìn)及其硬件實(shí)現(xiàn)問(wèn)題，主要研究工作包括：
　　 1，針對(duì)傳統(tǒng)粒子濾波算法粒子退化及樣本貧化的固有缺陷，利用免疫粒子群優(yōu)化思想對(duì)粒子濾波的重采樣環(huán)節(jié)進(jìn)行優(yōu)化處理，提出免疫粒子群粒子濾波算法(IMPSOPF)，通過(guò)狀態(tài)估計(jì)及目標(biāo)跟蹤應(yīng)用的仿真研究，證明該算法在解決粒子退化問(wèn)題的同時(shí)避免了樣本貧化現(xiàn)象，算法是有效的。
　　 2，針對(duì)粒子濾波算法計(jì)算速度慢的固有缺陷