拟蒙特卡罗聚合重采样粒子滤波无源定位算法

doi:10.3969/j.issn.1001-2400.2012.05.026

J4 ›› 2012, Vol. 39 ›› Issue (5): 154-160.doi: 10.3969/j.issn.1001-2400.2012.05.026

拟蒙特卡罗聚合重采样粒子滤波无源定位算法

刘学^1,2;焦淑红²;蓝晓宇²

(1. 海军装备研究院博士后科研工作站，北京 100073；
2. 哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150001)

收稿日期:2011-06-10 出版日期:2012-10-20 发布日期:2012-12-13
通讯作者: 刘学
作者简介:刘学(1983-)，男，哈尔滨工程大学博士研究生，E-mail: liuxue002@163.com．
基金资助:
973国家安全重大基础研究基金资助项目(61393010101-1);国家部委基础科研基金资助项目(K1503060217)

Quasi-monte-carlo merging resampling particle filter for passive location

LIU Xue^1,2;JIAO Shuhong²;LAN Xiaoyu²

(1. Postdoctoral Workstation of Naval Academy of Armament，Beijing 100073， China;
2. College of Information and Communication Engineering, Harbin Engineering Univ., Harbin 150001， China)

Received:2011-06-10 Online:2012-10-20 Published:2012-12-13
Contact: LIU Xue

摘要/Abstract

摘要：

提出一种基于拟蒙特卡罗聚合重采样粒子滤波的机载无源定位算法．首先利用基于离散状态空间的粒子聚合技术对空间相近粒子进行加权聚合，在保证粒子空间分布合理性的同时有效抑制了粒子的退化;然后采用拟蒙特卡罗技术将重采样后的粒子向高似然区移动，优化了粒子在状态空间中的分布特性，提高了滤波精度．仿真结果表明: 新算法对比拟蒙特卡罗高斯粒子滤波算法，在保证滤波精度的同时，提高了运行效率．

关键词: 无源定位, 拟蒙特卡罗, 粒子滤波, 粒子聚合, 重采样, 状态估计

Abstract:

To meet the requirements of high location speed and accuracy in the air-borne passive location, a quasi-monte-carlo merging resampling particle filter is proposed. Firstly, the particle merging technique based on particles' spatial similarity is used to keep rational distribution and restrain the weight degeneracy problem of the particles. Secondly, the deterministic samples are chosen according to the quasi-monte-carlo integration technique to push the particles into the high likelihood area and explore the state space more efficiently, so that the integration error is reduced and the precision of the filter is improved. Finally, simulation results show that the efficiency of the filter is improved while the precision is quaranteed compared with the quasi-monte-carlo gaussian particle filter.

Key words: passive location, quasi-monte-carlo, particle filter, particle merging, resampling, state estimate

中图分类号:

TN958.57

刘学;焦淑红;蓝晓宇. 拟蒙特卡罗聚合重采样粒子滤波无源定位算法[J]. J4, 2012, 39(5): 154-160.

LIU Xue;JIAO Shuhong;LAN Xiaoyu. Quasi-monte-carlo merging resampling particle filter for passive location[J]. J4, 2012, 39(5): 154-160.

参考文献

［1］孙仲康, 郭福成, 冯道旺.单站无源定位跟踪技术［M］. 北京:国防工业出版社, 2008: 65-120, 187-198.
［2］ Gordon N J, Salmond D J, Smith A F M. Novel Approach to Nonlinear/non-gaussian Bayesian State Estimation［J］. IEEE Proc on Radar and Signal Processing, 1993, 140(2): 107-113.
［3］ Kotecha J H, Djuric P M. Gaussian Particle Filter［J］. IEEE Trans on Signal Processing, 2003, 51(2): 2592-2601.
［4］ Guo D, Wang X D. Quasi-Monte Carlo Filtering in Nonlinear Dynamic Systems［J］. IEEE Trans on Signal Processing, 2006, 54(6): 2087-2098.
［5］郭辉, 姬红兵, 武斌. 采用拟蒙特卡罗法的被动多传感器目标跟踪［J］. 西安电子科技大学学报, 2010, 37(6): 1042-1047.
Guo Hui, Ji Hongbing, Wu Bin. Quasi-Monte Carlo Gaussian Particle Filter Based Target Tracking for the Multiple Passive Sensor［J］. Journal of Xidian University, 2010, 37(6): 1042-1047.
［6］刘学, 焦淑红, 司锡才. 观测域求积分卡尔曼滤波的机载无源定位算法［J］. 西安交通大学学报, 2011, 45(5): 137-142.
Liu Xue, Jiao Shuhong, Si Xicai. Measure Space Square Root Quadrature Kalman Filter for Airborne Passive Location［J］. Journal of Xi'an Jiaotong University, 2011, 45(5): 137-142.
［7］ Owen A B. Monte Carlo Extension of Quasi-Monte Carlo［C］//Proc of the 1998 Winter Simulation Conference. Piscataway: IEEE, 1998, 571-577.
［8］ Henderson S G, Chiera B A, Cooke R M. Generating Dependent Quasi-random Numbers［C］//Proc of the 2000 Winter Simulation Conference. Piscataway: IEEE, 2000, 527-536.
［9］ Miodrag B. Architectures for Efficient Implementation of Particle Filters［D］. New York: Stony Brook University, 2004.
［10］李天成, 孙树栋. 采用双重采样的移动机器人Monte Carlo定位方法［J］.自动化学报, 2010, 36(9): 1279-1285.
Li Tiancheng, Sun Shudong. Double-resampling Based Monte Carlo Localization for Mobile Robot［J］. Acta Automatica Sinica, 2010, 36(9): 1279-1285.
［11］李天成, 孙树栋, 司书宾, 等. 基于粒子聚合重采样的移动机器人蒙特卡罗定位［J］. 机器人, 2010, 32(5): 674-680.
Li Tiancheng, Sun Shudong, Si Shubin, et al. Particle Merging Resampling Based Monte Carlo Localization for Mobile Robot［J］. Robot, 2010, 32(5): 674-680.

[1]	杨宏宇,曾仁韵. 一种深度学习的网络安全态势评估方法[J]. 西安电子科技大学学报, 2021, 48(1): 183-190.
[2]	赵季红;谢志勇;曲桦;王明欣;刘熙. 一种简化鲁棒的传感网络节点三维估计算法[J]. 西安电子科技大学学报, 2018, 45(5): 108-114.
[3]	刘润邦;朱志宇. 万有引力优化的粒子滤波算法[J]. 西安电子科技大学学报, 2018, 45(2): 141-147.
[4]	邓兵;孙正波;杨乐. 一种简单有效的TDOA-FDOA-AOA目标定位闭式解[J]. 西安电子科技大学学报, 2018, 45(2): 171-175+180.
[5]	邓兵;孙正波;杨乐;贺青. 存在站址误差时的线性校正TDOA定位算法[J]. 西安电子科技大学学报, 2017, 44(4): 106-111.
[6]	任衍青;逯志宇;巴斌;王大鸣. 锐化遗传直接定位快速估计算法[J]. 西安电子科技大学学报, 2017, 44(4): 144-150.
[7]	贺磊南;卢虎;姬正洲. WiFi/PDR室内分层三维定位技术[J]. 西安电子科技大学学报, 2017, 44(4): 167-173+166.
[8]	邓兵;孙正波;杨乐;彭华峰;熊瑾煜. 带目标高度约束信息的TOA无源定位[J]. 西安电子科技大学学报, 2017, 44(3): 133-137.
[9]	别秀德;刘洪彬;常发亮;彭志勇. 自适应分块的多特征融合多目标跟踪[J]. 西安电子科技大学学报, 2017, 44(2): 151-157.
[10]	房嘉奇;冯大政;李进. TDOA中的修正牛顿及泰勒级数方法[J]. 西安电子科技大学学报, 2016, 43(6): 27-33.
[11]	王海环;王俊. 一种改进的多伯努利多目标跟踪算法[J]. 西安电子科技大学学报, 2016, 43(6): 176-182.
[12]	巨刚;袁亮;刘小月. 多方法融合的粒子滤波算法的神经丝自动跟踪[J]. 西安电子科技大学学报, 2016, 43(4): 184-190.
[13]	周成;黄高明;高俊. 时差定位最优布站方法研究[J]. 西安电子科技大学学报, 2016, 43(4): 123-127.
[14]	覃兵;田军;查宇飞;张立朝;黄宏图. 利用二值描述符的实时目标跟踪算法[J]. J4, 2015, 42(5): 168-174.
[15]	杨洁;刘聪锋;田中成;张斌. 迭代时差频差联合定位算法及其性能分析[J]. J4, 2015, 42(4): 140-146.

拟蒙特卡罗聚合重采样粒子滤波无源定位算法

Quasi-monte-carlo merging resampling particle filter for passive location

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0