文档介绍：基于自适应人工鱼群的粒子滤波算法摘要:针对粒子滤波算法中存在粒子退化及粒子枯竭的问题,本文提出一种自适应的人工鱼群粒子滤波算法,该算法通过把觅食行为和聚群行为引入粒子滤波算法中,并自适应调整人工鱼的移动步长和视野范围,从而增加了粒子的多样性,克服了粒子退化及粒子枯竭问题;驱动粒子向最优位置靠近,克服粒子易陷入局部最优问题,增强了粒子的全局搜索能力。仿真实验表明,本文提出的算法与人工鱼群粒子滤波及标准粒子滤波算法相比,滤波精度有显著的提高。关键词:粒子滤波;人工鱼群算法;自适应;粒子退化;粒子枯竭【abstract】aimingattheproblemsofparticledegeneracyandparticleimpoverishmentinparticlefilter,thispaperproposedanewparticlefilterwhichbasedonadaptiveartificialfishschoolalgorithm(aafsa-pf).thenewalgorithmintroducedtheforagingbehaviorandclusterbehaviorintoparticlefilter,,ingtheproblemsofparticledegeneracyandparticleimpoverishment,drivingtheparticlesmovetotheoptimumarea,overcametheproblemthatparticlesareeasytofallintolocaloptimumarea,,uracyeffectively.【keywords】particlefilter;artificialfishschoolalgorithm;adaptive;particledegeneracy;particleimpoverishment0引言粒子滤波(particlefilter,pf)[1]算法是一种基于蒙特卡罗思想的非线性、非高斯系统滤波方法,其基本思想是首先依据状态向量的经验条件分布在状态空间产生一组随机样本的组合,这些样本被称为粒子,然后根据量测值不断调整粒子的权重和位置,通过调整后的粒子信息修正最初的经验条件分布。近年来,粒子滤波算法已成功应用于目标跟踪、状态监视、故障诊断等诸多领域[2]。1粒子滤波算法存在的问题及其改进粒子滤波算法并不完善,算法本身存在着粒子退化及粒子枯竭现象[3],这些缺陷都会影响粒子滤波的滤波精度。因为标准粒子滤波算法选择先验概率密度作为密度函数,没有考虑当前的量测值,这样就会导致从重要概率密度中取样得到的样本与从真实后验概率密度采样得到的样本有很大偏差,尤其是当似然函数位于系统状态转移概率密度的尾部或似然函数呈尖峰状态时,这