A New Particle Filter Based on Differential Evolution Method
Hongwei Li, Jun Wang, Haitao Wang · JOURNAL OF ELECTRONICS INFORMATION TECHNOLOGY · 2011
针对粒子滤波(Particle Filter, PF)存在的粒子退化和贫化问题，该文提出一种基于差分演化(Differential Evolution, DE)的PF算法。首先，为了充分利用最新的观测信息，采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)来产生重要性分布，对重要性分布产生的采样粒子不再做传统重采样操作，而是直接把采样粒子当作DE中的种群样本，粒子权重作为样本的适应函数，对粒子做差分变异、交叉、选择等迭代优化，最后得到最优的粒子点集。试验结果表明，该算法有效缓解了传统PF算法中的粒子退化和贫化，提高了粒子的利用率，具有较好的估计精度。