題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 蟻群系統(tǒng)和遺傳算法相結(jié)合的粒子濾波
- 來(lái)源：
- 第十二屆“挑戰(zhàn)杯”省賽作品
- 小類：
- 數(shù)理
- 簡(jiǎn)介：
- 本文針對(duì)粒子退化現(xiàn)象，提出一種新的濾波算法，將模擬進(jìn)化算法和蟻群優(yōu)化算法相結(jié)合，應(yīng)用于序列重要性采樣的迭代遞推之中，利用遺傳算法的交叉操作和變異操作，來(lái)增加粒子的多樣性。最后以非線性非高斯系統(tǒng)為例仿真實(shí)驗(yàn)說(shuō)明，新算法比傳統(tǒng)的粒子濾波的平均絕對(duì)誤差和方差更小，耗時(shí)更短。
- 詳細(xì)介紹：
- 粒子濾波是一種基于序貫?zāi)M的統(tǒng)計(jì)濾波方法，在處理非線性非高斯動(dòng)態(tài)系統(tǒng)方面有著杰出的貢獻(xiàn)，但粒子濾波概率密度函數(shù)分布的選擇及粒子退化現(xiàn)象的解決是算法設(shè)計(jì)的瓶頸。蟻群優(yōu)化和遺傳算法相結(jié)合的粒子濾波是將蟻群算法運(yùn)用于序列重要性采樣的迭代遞推中。權(quán)值較大的粒子留下更多的信息量，而信息量越大的點(diǎn)被再次選中的可能性也越大，權(quán)值較小基本上對(duì)系統(tǒng)狀態(tài)無(wú)用的粒子將會(huì)被淘汰掉，利用遺傳交叉、變異，選擇運(yùn)算增加粒子的多樣性。在算法的初級(jí)階段，所有粒子點(diǎn)的信息量相同，隨著算法的的推進(jìn)，最優(yōu)粒子點(diǎn)上的信息量逐漸增加，收斂到目標(biāo)真實(shí)狀態(tài)的速度也就越快。本文則是針對(duì)粒子退化現(xiàn)象而提出一種新的濾波算法，將模擬進(jìn)化算法和蟻群優(yōu)化算法相結(jié)合，應(yīng)用于序列重要性采樣的迭代遞推之中，利用遺傳算法的交叉操作和變異操作，來(lái)增加粒子的多樣性。以非線性非高斯系統(tǒng)為例仿真實(shí)驗(yàn)說(shuō)明，新算法比傳統(tǒng)的粒子濾波的平均絕對(duì)誤差和方差更小，耗時(shí)更短。
作品專業(yè)信息
撰寫(xiě)目的和基本思路
- 針對(duì)粒子退化現(xiàn)象，將模擬進(jìn)化算法和蟻群優(yōu)化算法相結(jié)合，應(yīng)用于序列重要性采樣的迭代遞推之中，利用遺傳算法的交叉操作和變異操作，來(lái)增加粒子的多樣性。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- 目前粒子濾波中存在的如何處理多目標(biāo)干擾和目標(biāo)形變問(wèn)題；如何確定粒子傳播半徑；如何優(yōu)化粒子分布以使跟蹤效果盡可能準(zhǔn)確；如何有效降低粒子數(shù)，減少計(jì)算代價(jià)等問(wèn)題，結(jié)合跟蹤問(wèn)題特點(diǎn)對(duì)基于粒子濾波算法進(jìn)行了深入研究，在實(shí)現(xiàn)基本的粒子濾波跟蹤算法的基礎(chǔ)上，針對(duì)跟蹤中相似干擾和形變問(wèn)題，從數(shù)學(xué)的角度提出了一種新的算法：將蟻群和遺傳算法引入，從而減小了跟蹤的誤差，提高跟蹤精度。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- 隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，粒子濾波得到了廣泛的應(yīng)用。各種改進(jìn)的算法層出不窮，粒子濾波成了解決非線性非高斯問(wèn)題必選決策。在迭代遞推預(yù)測(cè)中引進(jìn)了蟻群優(yōu)化，積累信息素的方法來(lái)預(yù)防粒子退化，關(guān)于這方面的研究，蟻群算法也提出了很多改進(jìn)的算法，并賦予了每只螞蟻一定得智能，引進(jìn)了螞蟻代理（Agent）技術(shù)使得螞蟻具有自主性，自動(dòng)型，反應(yīng)性和智能性等諸多特性，這在粒子的預(yù)測(cè)與更新方面應(yīng)該會(huì)得到很大的發(fā)展與應(yīng)用。
學(xué)術(shù)論文摘要
- 粒子濾波是一種基于序貫?zāi)M的統(tǒng)計(jì)濾波方法，在處理非線性非高斯動(dòng)態(tài)系統(tǒng)方面有著杰出的貢獻(xiàn)，但粒子濾波概率密度函數(shù)分布的選擇及粒子退化現(xiàn)象的解決是算法設(shè)計(jì)的瓶頸。針對(duì)粒子退化現(xiàn)象，提出一種新的濾波算法，將模擬進(jìn)化算法和蟻群優(yōu)化算法相結(jié)合，應(yīng)用于序列重要性采樣的迭代遞推之中，利用遺傳算法的交叉操作和變異操作，來(lái)增加粒子的多樣性。以非線性非高斯系統(tǒng)為例仿真實(shí)驗(yàn)說(shuō)明，新算法比傳統(tǒng)的粒子濾波的平均絕對(duì)誤差和方差更小，耗時(shí)更短。
獲獎(jiǎng)情況
- 校挑戰(zhàn)杯比賽二等獎(jiǎng)
鑒定結(jié)果
- 無(wú)
參考文獻(xiàn)
- [1] Doucet A,Godsill S, Chistophe A.On seq-uential Monte Carlo sampling methods for Ba-yesian filtering.Statistics and Computing[J],2000, 10(3):197-208 [2] Haykin S,Huber K,Chen Z. Bayesian sequ-ential state estimation for mimo wireless communications. Proceedings of the IEEE[J],2004, 92(3):439-454 [3] Doucet A Gordon N J ,Krishnamurthy V.P-artic1e Filter for State Estimation of Markov linear systems.IEEE Tranction on Signal Proc-essing[J],2001，49(3):613-624. [4] Koteche J ,Djuric P M.Gaussian Sum Part-icle Filtering Transaction on Signa1 Proeessing[J],2003，51(10):2602-2613. [5] 袁澤劍,鄭南寧,賈新春.高斯一厄米特粒子濾波器[J],電子學(xué)報(bào)，2003,3l(7):970-973. [6]Dorigo M,Caro GD,Gambardella LM. Ant Algorithms for Discrete Optimization[J] .Artificial Life ,1999 ,5(2):137-172. [7] 曹椋焱,李光布,李景輝.遺傳算法的分析及其改進(jìn)[J], 計(jì)算機(jī)仿真，2009,7(26):228-231
同類課題研究水平概述
- 自粒子濾波被第一次提出以來(lái)，經(jīng)過(guò)發(fā)展，現(xiàn)在已經(jīng)出現(xiàn)多種粒子濾波器，例如擴(kuò)展卡爾曼粒子濾波器(EKPF)、Unscented粒子濾波器、輔助粒子濾波器、高斯粒子濾波器、高斯加和粒子濾波器、PARZEN粒子濾波器，以及迭代擴(kuò)展卡爾曼粒子濾波器(Iterated EKPF)等等。但目前應(yīng)用中粒子濾波應(yīng)用于跟蹤方法并不完美，還有很多問(wèn)題亟待解決。比如：如何處理多目標(biāo)干擾和目標(biāo)形變問(wèn)題；如何確定粒子傳播半徑；如何優(yōu)化粒子分布以使跟蹤效果盡可能準(zhǔn)確；如何有效降低粒子數(shù)，減少計(jì)算代價(jià)等等。 粒子濾波理論是貝葉斯濾波理論和蒙特卡羅仿真理論的結(jié)合體，適用于任何能用狀態(tài)空間模型表示的線性高斯系統(tǒng)，以及傳統(tǒng)卡爾曼濾波無(wú)法表示的非線性非高斯系統(tǒng)，精度可以逼近最優(yōu)估計(jì)。該方法的使用非常靈活，容易實(shí)現(xiàn)，具有并行結(jié)構(gòu)，實(shí)用性強(qiáng)。 由于粒子濾波是近年來(lái)出現(xiàn)的新算法，算法本身還不很成熟，仍有大量的問(wèn)題亟待解決，主要體現(xiàn)在以下幾個(gè)方面： （1）經(jīng)典的重采樣方法雖然在克服粒子數(shù)匱乏方面具有良好的效果，但計(jì)算量的擴(kuò)張隨著粒子數(shù)的增加而成級(jí)數(shù)增加，對(duì)有實(shí)時(shí)性要求的系統(tǒng)中，粒子濾波的可實(shí)現(xiàn)性成為主要問(wèn)題。可以將成熟的多種不同尋優(yōu)方法引入重采樣過(guò)程，以便更快地提取到反映系統(tǒng)概率特征的典型粒子。 （2）粒子濾波算法的硬件實(shí)現(xiàn)。為了提高粒子濾波算法的運(yùn)算速度和魯棒性，研究粒子濾波的硬件實(shí)現(xiàn)方法尤為關(guān)鍵。粒子濾波硬件實(shí)現(xiàn)的基本思想是：將粒子濾波劃分為初始采樣、重采樣、狀念更新等不同過(guò)程，利用流水線實(shí)現(xiàn)分時(shí)并行處理。 （3）拓展粒子濾波新的應(yīng)用領(lǐng)域。由于粒子濾波算法出現(xiàn)較晚，，礙于學(xué)科間的差異，粒子濾波僅限于有限的幾個(gè)領(lǐng)域。從分析算法的思想可以看出，只要針對(duì)非線性狀態(tài)估計(jì)系統(tǒng)建立起相應(yīng)的模型，在采用Kalman濾波效果不理想的情況下，便可嘗試采用粒子濾波算法。 靈活、易于實(shí)現(xiàn)、并行化等特點(diǎn)使粒子濾波算法成為應(yīng)用統(tǒng)計(jì)學(xué)、信號(hào)處理、自動(dòng)控制、人工智能、機(jī)器學(xué)習(xí)等領(lǐng)域新的研究熱點(diǎn)，同時(shí)伴隨著應(yīng)用統(tǒng)計(jì)學(xué)、概率論等學(xué)科的不斷進(jìn)步，粒子濾波技術(shù)己在目標(biāo)跟蹤、計(jì)算機(jī)視覺(jué)、機(jī)器人導(dǎo)航、工業(yè)控制、機(jī)器學(xué)習(xí)等領(lǐng)域受到越來(lái)越廣泛的重視。以上研究表明，在有關(guān)非線性非高斯系統(tǒng)的數(shù)據(jù)處理和分析領(lǐng)域，；粒子濾波都具有潛在的應(yīng)用價(jià)值。
