一种导向粒子滤波方法与流程

本发明属于粒子滤波技术领域，尤其涉及一种导向粒子滤波方法。

背景技术：

粒子滤波是一种基于贝叶斯理论和蒙特卡罗方法的在线推理算法，通过加权样本集非参数化地近似后验分布。由于它能够有效的处理非线性、非高斯滤波问题，目前被充分利用在信号处理、机动目标跟踪等方面。由于计算的复杂性和权值的退化问题，粒子滤波技术在相当长一段时间未能取得大的进展。直到1993年Gordon等人提出在递推过程中进行了重采样，改善了权值退化的情况，粒子滤波技术才开始得到较好的发展与应用。

重采样是在一定程度上是有效的避免了粒子贫化的发生，但是这样导致的结果是，使得粒子不再独立性。如图1所示，重采样的时候是根据粒子的权值的大小来决定粒子数重采样的个数的，它将大权值的粒子多次复制，而将一些小权值的粒子少量复制或者舍弃，这样就引起粒子多样性损失的问题。

技术实现要素：

本发明所要解决的技术问题是为了克服现有技术的不足，在基本的粒子滤波算法基础上，借鉴导向滤波的基本思想，提出了一种导向粒子滤波方法，该方法原理简单，能有效克服粒子多样性的丧失。

为了解决上述技术问题，本发明提供一种导向粒子滤波方法，步骤如下：

S1.初始化粒子滤波参数，粒子滤波参数包括粒子个数N，时间t，第i个粒子在初始时刻的权值粒子有效值N_off，粒子有效值N_off的权值ω_off，其中i＝1，2，……，N；

S2.计算并归一化粒子的加权值，具体为过程：

S21.结合导向滤波计算其他时刻粒子的权值，计算方式如下式所示，

其中，表示第i个粒子在t时刻的权值，表示第i个粒子在t-1时刻的权值， a_t和b_t为自定义系数，且有

其中，表示第i个粒子在t-1时刻的加权值，x_0：t-1为0到t-1时刻的状态值，是的方差，ε是修正因子；

S22.根据步骤S21得到的粒子的权值计算粒子的加权值具体方法为：

S23.对步骤S22计算得到的粒子的加权值进行归一化处理，具体方法为：

S3.粒子重采样，具体过程为：

S31.比较步骤S2中计算得到的粒子的加权值与步骤S1中粒子有效值N_off的权值ω_off，根据比较结果对粒子进行分组，并计数获得有效值个数N_e；其中，

若将第i个粒子分入组A，组A粒子表示为其中表示第i个粒子t时刻的状态值；

若将第i个粒子分入组B，组B粒子表示为

S32.将S31得到的粒子滤波的有效值个数N_e与步骤S1中粒子有效值N_off进行比较，判断是否需要重采样；

若N_e＜N_off，则对步骤S31中组B中的粒子按照步骤S33所示方法进行重采样处理；若N_e≥N_off，则直接转至步骤S4；

S33.设定组B中的粒子数目为L，滤波器的阶数也为L，滤波器的系数为1/L，对组B中的粒子做线性滤波，使权值大的粒子减小，得到粒子集合 然后返回步骤S31；

S4.根据公式所示方法，输出t时刻所有粒子的估计状态返回步骤S2，进行下一时刻粒子加权值的计算。

本发明与现有技术相比，其显著优点在于，粒子在重采样的时候，保留了上一步中粒子的部分权重信息，有效克服粒子多样性的丧失问题。

附图说明

图1是现有技术中标准粒子滤波的演示示意图。

图2是本发明中导向粒子滤波的演示示意图。

图3是本发明导向粒子滤波方法的流程图。

具体实施方式

容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明导向粒子滤波方法的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。

如图3所示，本发明包括下述步骤：

S1.粒子滤波参数初始化。

设置粒子滤波参数的初始值，这里所述的粒子滤波参数包括粒子个数N，时间t，第i个粒子(i＝1，2，……，N)在初始0时刻的权值粒子有效值N_off及有效值的权值ω_off。

S2.计算并归一化粒子的加权值，具体为：

S21.结合导向滤波计算其他时刻粒子的权值，计算方式如下式所示，

其中，i表示第i个粒子(i＝1，2，……，N)，表示第i个粒子在t时刻的权值，是第i个粒子在t-1时刻的权值，a_t和b_t为自定义系数，且有

其中，表示第i个粒子在t-1时刻的加权值，x_0：t-1为0到t-1时刻的状态值， 是的方差，ε是修正因子，一般为0。

S22.根据步骤S21得到的粒子的权值计算粒子的加权值具体方法为：

S23.对步骤S22计算得到的粒子的加权值进行归一化处理，具体方法为：

S3.粒子重采样。

S31.将粒子按照步骤S2中计算得到粒子的加权值与步骤S1中粒子有效值N_off的权值ω_off比较分组，并且计数得到有效值个数N_e；其中，

若将第i个粒子分入组A，组A表示为其中表示第i个粒子t时刻的状态值；

若将第i个粒子分入组B，组B表示为

S32.将S31得到的粒子滤波的有效值个数N_e与步骤S1中粒子有效值N_off进行比较，判断是否需要重采样；若N_e＜N_off，则对步骤S31中的组B按照步骤S33所示方法进行重采样处理；若N_e≥N_off，则直接转至步骤S4；

S33.设定步骤S31中的组B的粒子数目为L，滤波器的阶数也为L，则滤波器的系数表示为1/L；对组B粒子做线性滤波，使权值大的粒子减小，得到粒子集合然后返回步骤S31判断粒子是否需要重采样。

S4.输出估计状态。

根据公式：输出t时刻所有粒子的估计状态返回步骤S2，进行下一时刻粒子加权值的计算。

如图2所示，粒子在重采样的时候，保留了上一步中粒子的部分权重信息，有效克服粒子多样性的丧失问题。