基于对称KL距离的自适应粒子滤波算法.pdfVIP

西 安 工 程 大 学 学 报 JoumM ofX／’anPolytechnicUniversity 第24卷第3期(总 103期) 2010年6月 Vo1．24，No．3(Sum．No．103) 文章编号：1674-649X(2010)03-0315-05 基于对称 KL距离的自适应粒子滤波算法 陈金广 ，马丽丽 ，张新生2 (1．西安工程大学 计算机科学学院，陕西 西安 710048；2．西安建筑科技大学 管理学院，陕西 西安710055) 摘要：针对粒子滤波算法中粒子数 自适应的问题 ，提出了一种新的算法．将 当前滤波时刻的粒子 随机划分为粒子数相同的两个粒子群，并采用对称KL距离方法计算他们之间的信息距离，然后 根据信息距离的大小决定增加或者减少下一时刻参与滤波的粒子数，从而实现了滤波过程 中粒 子数 目的自适应．该方法在确保一定滤波精度的基础上，能够减少滤波过程中需要的粒子数，为 降低粒子滤波算法的时间复杂度提供了新的途径．仿真结果表明了算法的有效性． 关键词：粒子滤波；自适应滤波；信息距离；KL距离 中图分类号：TN911．23 文献标识码 ：A 0 引 言 粒子滤波L1。(ParticleFilter，PF)算法对于非线性非高斯情况下的状态估计非常有效，并取得了广泛 的应用．然而，该算法存在的问题是时间复杂度比EKF、UKF等非线性滤波算法高很多．通常情况下，粒子 滤波算法使用事先设定的固定的粒子数参与滤波，滤波过程中粒子数不发生改变．粒子滤波的时间复杂度 与滤波过程中使用的粒子个数密切相关，因此，在保证一定滤波精度的条件下，降低滤波过程使用的粒子 数，就能有效降低滤波的时间复杂度．但是，无限制地减少粒子数有可能造成粒子集表征后验概率密度真 实分布的能力退化，从而使得滤波精确程度大幅度降低．所以自适应粒子滤波技术要保证粒子数不能太 多，否则会带来太大的计算量，而且粒子数也不能太少，否则结果精度达不到要求．针对 自适应粒子滤波问 题，国内外学者做了很多研究，出现了一些重要成果．Karlsson和Gustafsson最早提出在粒子滤波过程中控 制粒子数的方法 J，即通过执行两组相互独立的粒子滤波器，并在滤波过程中重复计算两组滤波结果的 某种统计量．如果该统计量小于某个阈值，则减小粒子数 ，如果大于某个阈值，则增大粒子数 ，从而实现滤 波过程中粒子数的自适应调节．但是该算法需要运算两组粒子滤波过程，有一半的计算量对滤波精度没有 贡献，而且文献中并没有指明采用什么样的统计量来判别．Fox提出了KLD—Sampling算法，该算法采用 KL (Kullback—Leibler)距离计算每步滤波需要的粒子数，从而实现粒子滤波过程中粒子数的自动调整 ，该 算法是 目前为止自动调节粒子数最有效的办法．Pan和Dan根据时间和存储空间的需求对粒子滤波过程 中粒子数进行 自动调节，并将其应用在视频跟踪应用中l9】．段琢华等人在上述算法的基础上提出的一种 新的自适应滤波算法 l【，其思路是在同一次滤波过程中多次重采样，获得多个粒子群，并计算这些粒子群 收稿 日期：20o9．11-29 基金项目：陕西省教育厅专项基金资助项 目(09JK563)；西安工程大学校管课题 (2oo8xc,o6) 通讯作者：陈金广(1977．)，男，河南省南阳市人，西安电子科技大学博士生，西安工程大学讲师，研究方向为状态估计、 信息融合、目标跟踪等．E一m一ail：xacjg@163．tom 316 西 安 工 程 大 学 学 报 第24卷 之间的KL距离，然后估算当前滤波使用的粒子数是否满足精度要求，从而实现滤波过程中粒子数的自适 应． 本文在上述学者成果的基础上，提出一种新的基于对称 KL距离的自适应粒子滤波算法．该算法通过 对当前参与滤波的粒子数进行随机划分，获得两个粒子数 目相同的粒子群，然后计算两者之间的概率密度 距离，并通过阈值判断在下一步滤波中增加或者减少参与滤波的粒子数，从而实现滤波过程中粒子数的自 适应．此外，考虑到常规KL距离不具有对称性的特点，本文采用对称KL距离，获得了更为准确灵