论文部分内容阅读
本文提出一种采用粒子群（PSO）优化扩展卡尔曼粒子滤波（EPF）的新算法．由于上一时刻的目标解对当前时刻目标的影响最大，提出粒子群中的粒子不考虑其自身最佳经历和群体最佳经历，而只考虑前一时刻的全局最优解；取上一时刻的目标解代表粒子集中全局最优解．采用粒子群优化扩展卡尔曼粒子滤波（EPF）的状态转移方程，使得粒子集在权值更新前趋向于高似然区域，从而更加逼近真实状态的后验概率密度分布，克服了粒子退化问题，提高了预估精度，并极大地降低了所需的粒子数．仿真实验结果表明，该算法预估性能优于传统的粒子滤波方法．