基于小生境遗传算法的改进粒子滤波方法

摘要

基于小生境遗传算法的改进粒子滤波方法，(1)围绕初始概率分布采样得到初始粒子，并设定初始权重；(2)通过k-1时刻的M个粒子滤波估计，对每个采样粒子进行EKF或UKF得到k时刻对应的均值与协方差阵，采用Gaussian密度作为建议概率密度，以每个粒子的均值、协方差阵作为该分布的均值、协方差阵，并分别从每个建议分布中采n个粒子，共获得nM个粒子组成的集合；n和M均为自然数；(3)对这nM个粒子分别进行权重更新，得到每个粒子的权重；(4)对得到的粒子集中有粒子小于有效样本容量，则进行小生境遗传算法重采样。本发明改进粒子滤波，抑制其退化现象及因简单随机重采样引起的粒子匮乏问题，提高粒子多样性及自适应性，进而改善粒子滤波的性能精度。

主权项

基于小生境遗传算法的改进粒子滤波方法，其特征在于实现步骤如下：(1)围绕初始概率分布采样得到M个初始粒子，并设定初始权重；(2)通过k-1时刻的M个粒子滤波估计，对每个采样粒子进行EKF或UKF得到k时刻对应的均值与协方差阵，采用Gaussian密度作为建议概率密度，以每个粒子的均值、协方差阵作为该分布的均值、协方差阵，并分别从每个建议分布中采n个粒子，共获得nM个粒子组成的集合；n和M均为自然数；(3)对所述nM个粒子分别进行权重更新，得到每个粒子的权重；(4)通过权重计算粒子群的有效样本容量，如果得到的有效样本容量小于有效样本容量下限，下限可选择为样本数的一半，进行小生境遗传算法重采样，所述小生境遗传算法重采样方法实现步骤为：(4.1)由步骤(3)产生nM个个体组成的种群为初始种群，计算得到的粒子权重为初始适应度；(4.2)计算子代群体个体的适应度，根据各个个体的适应度对其进行降序排列，记忆前M个个体，对父代种群进行遗传选择、交叉、变异操作得到子代种群；(4.3)采用小生境限制竞争选择操作，将通过遗传操作的子代种群与记忆的父代种群合并，在合并后的种群里，对相邻较近粒子中适应度低的处以罚函数加快其淘汰，使粒子更快的向高适应度方向移动；(4.4)通过以上操作后，依据这(n+1)M个个体的新适应度对个体进行降序排序，记忆前M个个体，若种群适应度达到设定门限，则输出计算结果，否则转到步骤(4.2)。