基于多样性向导的自适应重采样粒子滤波研究

由于在非线性非高斯系统和多模处理能力上的优越性，粒子滤波算法已经被广泛应用。针对粒子滤波算法现有缺陷分析，提出一种基于多样性向导的自适应重采样粒子滤波。首先，基于多样性向导自适应调整重采样阂值。在基于有效样本大小的自适应重采样技术之上，借助了另一多样性测度即种群多样性因子来自适应地调整有效样本大小的阂值;而且，在重采样之后引入样本变异操作来确保样本的多样性。然后，提出了一种改进的部分分层重采样算法。该算法借鉴部分分层重采样执行快、时间短的优点，同时结合权重优化的思想改进重采样的样本权重计算。最后，通过仿真实验验证了所提粒子滤波算法的性能和有效性。