基于KLD采样改进的高斯粒子滤波算法（英文）

作者：周翟和^*; 钟雨露; 曾庆喜; 田祥瑞

来源：Transactions of Nanjing University of Aeronautics & Astronautics, 2020, 37(04): 607-614.

DOI：10.16356/j.1005-1120.2020.04.011

• 粒子滤波
• 高斯粒子滤波
• KLD采样
• 噪声突变
• 自适应粒子数

为了自适应地调整滤波样本,本文提出了一种基于Kullback-Leibler散度(Kullback-Leible divergence,KLD)-抽样的改进高斯粒子滤波算法(Gaussian particle filter algorithm based on KLD,KLGPF)。在采样过程中,算法通过计算KLD来调整粒子集的大小,使其介于粒子的离散概率密度函数和真实的后验概率密度函数之间。当噪声服从高斯分布,且噪声的统计特性发生突变时,KLGPF具有显著的效果,仿真结果表明,KLGPF在噪声统计量突变时仍能保持良好的估计效果。在相同条件下,KLGPF的运算速度相比基于KLD采样的粒子滤波算法(Particle filter algorithm based on KLD,KLPF)的运算速度提高了28%。

• 单位
  南京航空航天大学; 自动化学院