فیلتر ذرهای بهبود یافته مبتنی بر محاسبات نرم با کاربرد در ردیابی هدف

Abstract

فیلتر ذره‌ای یکی از مهمترین فیلترها در تخمین سیستم های غیر خطی/غیر گوسی که در کاربردهای زیادی استفاده شده است. در فیلتر ذره‌ای استاندارد، از آنجایی‌که تابع چگالی پسین مشترک حالت با استفاده از نمونه برداری پراهمیت بازگشتی تقریب زده می‌شود، ابعاد تابع چگالی پسین مشترک در هر لحظه از زمان رشد می‌کند. این موجب می‌شود که الگوریتم سریعا" تباهیده شود. بنابراین استفاده از استراتژی نمونه‌برداری مجدد بمنظور تضمین یک تقریب منطقی از تابع چگالی احتمال پسین روی کل مسیر لازم می‌شود. با وجود این، در پیاده‌سازی فیلتر ذره‌ای، نمونه‌برداری‌مجدد روی فضای حاشیه‌ای انجام‌ می‌شود. از آنجایی که سیستم ممکن است دارای رفتار فراموشی نمایی از خطاهای گذشته‌اش نباشد، با تعداد ذره محدود فرآیند نمونه برداری مجدد روی فضای حاشیه‌ای یک تخمین ناسازگار بوجود می‌آورد. برای رفع این مشکل، در این مقاله فیلتر ذره‌ای بهبود یافته مبتنی بر محاسبات نرم پیشنهاد شده است. در این فیلتر برخلاف فیلتر ذره‌ای، نمونه‌برداری بر روی توزیع حاشیه‌ای انجام می‌شود و ابعاد نمونه‌برداری با زمان افزایش نمی‌یابد. بعلاوه، نمونه برداری با استفاده از الگوریتم تکامل تفاضلی(DE) بهبود داده شده است. روش پیشنهادی با استفاده از شبیه‌سازی‌های کامپیوتری مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهند روش پیشنهادی دارای عملکرد بهتری نسبت به فیلتر ذره‌ای استاندارد است.