磷虾群优化的改进粒子滤波算法
【摘要】 标准的粒子滤波存在着权值退化问题，重采样可以解决权值退化问题，但也会带来样本贫化现象.为解决样本贫化问题，提出了一种利用磷虾群优化的改进粒子滤波算法.该算法结合粒子滤波的求解过程，以磷虾个体的诱导、觅食和随机扩散运动引导粒子向高似然区域移动.首先，将粒子滤波中粒子的状态值作为磷虾群的个体位置，从而将粒子的状态估计转化为磷虾群的寻优;其次，针对粒子滤波的特点，分析了磷虾算法中可以改进的参数，对磷虾算法中个体诱导、觅食运动的权值设计了新的动态更新策略，保证算法前期全局快速寻优后期局部精确寻优，同时为保持粒子的多样性，对磷虾个体进行遗传算法中的交叉操作，并设计了新的交叉概率更新公式;最后，在标准磷虾算法的基础上分析了改进算法的收敛性，并选用一种单静态非增长模型进行仿真试验.仿真结果表明，所提出的算法与标准粒子滤波以及粒子群、蝙蝠算法优化的粒子滤波相比具有更高的状态估计精度和更小的均方根误差，粒子的分布更合理.
