基于KHM的多层采样粒子滤波算法.pdf

《基于KHM的多层采样粒子滤波算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第6期合肥工业大学学报(自然科学版)Vo1．38No．62015年6月JOURNALOFHEFEIUNIVERSITYOFTECHNOLOGYJun．2015基于KHM的多层采样粒子滤波算法李菊。，余烨，戴欢，李克清，夏瑜，曹明伟(1．合肥工业大学计算机与信息学院，安徽合肥230009；2．常熟理工学院计算机科学与工程学院，江苏常熟215500)摘要：文章通过多层采样方式，将样本空间划分为多个部分，集中采样点到使概率密度函数值大的地方，大大减小了采样误差；在重采样阶段嵌入KHM聚类算法，通过将空问特征与权重分布近似的粒子进行聚类，降低总的样本数，提高了计算

2、效率。样本经聚类处理后，在保持粒子状态后验分布的几何特征的同时，状态空间中的粒子数明显降低，计算效率显著提高。关键词：多层采样；聚类；粒子滤波；重采样；运动目标跟踪中图分类号：TP391．4文献标识码：A文章编号：1003—5060(2015)06—0764—05StratifiedsamplingparticlefilteralgorithmbasedonKHMLIJu，YUYe，DAIHuan2，LIKe—qing，XIAYu。，CAOMing-wei(1．SchoolofComputerandInformation，HefeiUniversityofTech

3、nology，Hefei230009，China；2．SchoolofComputerScienceandEngineering，ChangshuInstituteofTechnology，Changshu215500，China)Abstract：Inthispaper，byusingthestratifiedsamplingmethod，thesamplespaceisdividedintomul—tipleparts，groupingsamplingpointstothepartofhighprobabilitydensityfunctionvalue，SO

4、thesamplingerrorisgreatlyreduced．Intheresamplingphase．theKHMclusteringalgorithmisembed—ded，theparticleswithapproximatespatialcharacteristicsandweightdistributionareclustered，thusreducingthetotalnumberofsamplesandimprovingthecomputingefficiency．Aftertheclustering，thegeometricalcharacte

5、risticsofparticlesstateposteriordistributionismaintained，whilethenumberofparticlesinthestatespaceissignificantlyreducedandthecomputingefficiencyisimproved．Keywords：stratifiedsampling；clustering；particlefilter；resampling；movingobjecttracking粒子滤波作为一种新的滤波算法，是从2O世样方法时粒子滤波的计算复杂度为o(N)(N为纪90

6、年代中后期发展起来的，有效地克服了扩展粒子数目)；文献E143~I入粒子滤波的并行结构算卡尔曼滤波的缺点。但粒子滤波自身也有一些弱法并进行了在线实时应用。对于一些状态空间模点，会导致样本贫化现象

7、】]，文献E6]将微粒群算型中的线性组成部分，可以通过解析的最优滤波法引入粒子滤波，采用微粒群优化方式，使粒子集方法获取其状态向量的一部分。各种方法都在一向后验概率密度值较大的方向移动，很好地克服定程度上缓解了样本贫化现象，降低了计算复杂了样本贫化问题；文献E7]将优化组合引入粒子滤度，但总的来说，并未从根本上解决这个问题。波，对被选取粒子和被抛弃粒子进行适当线性组本文通

8、过多层采样的方式，把样本空间划分合获取新的粒子，粒子多样性被大大增加，粒子滤为多个部分，集中采样点到使概率密度函数值大波的估计精度也有很大的提高。针对计算量较的地方，采样误差大大减小。在重采样阶段嵌入大_8。的问题，文献[133指出当使用适当的重采KHM聚类算法，通过将空间特征与权重分布近收稿日期：201406—04；修回日期：201410—27基金项目：国家自然科学基金资助项目(61300186)；高等学校博士学科点专项科研基金资助项目(20120111110003)；江苏省自然科学基金资助项目(BK20140419)；江苏省高校自然科学研究资助项目(14KJB

9、52000