针对传统重采样算法易引起粒子贫化的问题,提出了自适应不完全重采样粒子滤波(A particle filter based on adaptive part resampling,APRPF)算法.APRPF以分步的方式仅对部分粒子进行重采样,以递推的方式计算表征粒子退化程度的度量函数...针对传统重采样算法易引起粒子贫化的问题,提出了自适应不完全重采样粒子滤波(A particle filter based on adaptive part resampling,APRPF)算法.APRPF以分步的方式仅对部分粒子进行重采样,以递推的方式计算表征粒子退化程度的度量函数(Measurement of particle degeneracy,MPD),直到满足给定条件.重采样后的粒子由新生粒子和未参与重采样的粒子组成,前者的存在有助于缓解退化问题,后者可使粒子集保持一定多样性.实验结果表明,与标准粒子滤波(Sampling importance resampling,SIR)、辅助变量粒子滤波(Auxiliary particle filter,APF)、正则化粒子滤波(Regularized particle filter,RPF)三种滤波器相比,APRPF的估计精度高;由于平均重采样次数少,计算量也小.展开更多
针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优...针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。展开更多
文摘针对传统重采样算法易引起粒子贫化的问题,提出了自适应不完全重采样粒子滤波(A particle filter based on adaptive part resampling,APRPF)算法.APRPF以分步的方式仅对部分粒子进行重采样,以递推的方式计算表征粒子退化程度的度量函数(Measurement of particle degeneracy,MPD),直到满足给定条件.重采样后的粒子由新生粒子和未参与重采样的粒子组成,前者的存在有助于缓解退化问题,后者可使粒子集保持一定多样性.实验结果表明,与标准粒子滤波(Sampling importance resampling,SIR)、辅助变量粒子滤波(Auxiliary particle filter,APF)、正则化粒子滤波(Regularized particle filter,RPF)三种滤波器相比,APRPF的估计精度高;由于平均重采样次数少,计算量也小.
文摘针对使用智能手机进行行人航迹推算（pedestrain dead reckoning,PDR）时航向角漂移,定位精度不高,误差累积的问题,提出了一种地图匹配辅助的卡尔曼滤波-粒子滤波（Kalman filter-particle filter,KF-PF）多重滤波算法对PDR算法进行优化。在传统PDR算法的基础上,使用KF融合陀螺仪数据和地图信息解算航向角,然后采用基于地图匹配的粒子滤波算法对轨迹结果进行处理。实验结果表明,该方法消除了航向角误差过大对定位结果的影响,在提高室内定位的灵活性的同时增强了定位的稳定性和精度,并通过地图匹配减少了传统粒子滤波采样点数,降低了运算量,使其在手机平台上实时运行成为可能。
