【摘要】：針對重采樣導致的權值退化問題,應用遺傳算法的進化思想來優(yōu)化重采樣算法,將粒子權值作為適應度值,合理設定閾值,利用最佳個體保存法保存高適應度粒子,利用自適應交叉、變異操作對低適應度粒子進行進化,將高適應度粒子與進化粒子組合成新的粒子集進行狀態(tài)估計。仿真實驗表明,該算法具有良好的實時性和估計精度,其狀態(tài)估計精度比標準粒子濾波提高近24倍,比無跡卡爾曼粒子濾波提高近4倍,耗時約為無跡卡爾曼粒子濾波的1/10。
[Abstract]:In order to solve the problem of weight degradation caused by resampling, the evolutionary idea of genetic algorithm is applied to optimize the resampling algorithm. The particle weight is taken as the fitness value, the threshold is set reasonably, and the best individual preservation method is used to preserve the high-fitness particle. Using adaptive crossover and mutation operation, the low fitness particles are evolved, and the high fitness particles and the evolutionary particles are combined to form a new particle set for state estimation. The simulation results show that the proposed algorithm has good real-time and estimation accuracy. Its state estimation accuracy is nearly 24 times higher than that of standard particle filter and nearly 4 times higher than that of unscented Kalman particle filter. The time consuming of this algorithm is about 1 / 10 of that of unscented Kalman particle filter.
【作者單位】： 攀枝花學院;
【基金】：四川省應用基礎研究項目(2011JY0115)
【分類號】：TN713;TP18

【相似文獻】

相關期刊論文 前8條

1 張耀鐳;王友仁;;快速實現(xiàn)數(shù)字仿生電路設計的自適應遺傳算法[J];計算機測量與控制;2007年10期

2 官伯林;賈建援;朱應敏;;基于自適應遺傳算法的三軸光電跟蹤策略[J];儀器儀表學報;2012年08期

3 蘇琳琳;張曉林;;利用自適應遺傳算法的芯片功能驗證自動測試[J];應用科學學報;2011年06期

4 金力;劉橋;;基于自適應遺傳算法的運放的電路級綜合[J];西華大學學報(自然科學版);2006年02期

5 蘭海;汪宇涵;張利軍;;基于改進自適應遺傳算法的船舶電力系統(tǒng)濾波裝置優(yōu)化配置[J];船電技術;2009年06期

6 許川佩;陳征南;任智新;胡聰;;基于云自適應遺傳算法的NoC路徑分配研究[J];計算機測量與控制;2012年09期

7 許川佩;陳征南;任智新;;基于云自適應遺傳算法的NoC映射研究[J];計算機工程與應用;2012年36期

8 趙曙光,劉貴喜,楊萬海;利用自適應遺傳算法實現(xiàn)模擬電路自動設計[J];西安電子科技大學學報;2003年03期

相關碩士學位論文 前3條

1 柯家偉;面向訂單快速交付的生產過程管控技術研究與系統(tǒng)實現(xiàn)[D];北京理工大學;2016年

2 陳殿夏;橋式網絡系統(tǒng)可靠性分析和優(yōu)化[D];沈陽工業(yè)大學;2005年

3 金力;基于改進自適應遺傳算法的CMOS運放的電路級綜合方法的研究[D];貴州大學;2006年

，

本文編號：2239672