基于KHM的多层采样粒子滤波算法  

Stratified sampling particle filter algorithm based on KHM

作　　者：李菊[1,2] 余烨[1] 戴欢[2] 李克清[2] 夏瑜[2] 曹明伟[1] 

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009 [2]常熟理工学院计算机科学与工程学院,江苏常熟215500

出　　处：《合肥工业大学学报（自然科学版）》2015年第6期764-768,共5页Journal of Hefei University of Technology：Natural Science

基　　金：国家自然科学基金资助项目(61300186);高等学校博士学科点专项科研基金资助项目(20120111110003);江苏省自然科学基金资助项目(BK20140419);江苏省高校自然科学研究资助项目(14KJB520001;13KJB510001);苏州市重点实验室资助项目(SZS201407);常熟市社区资助项目(CS201404)

摘　　要：文章通过多层采样方式,将样本空间划分为多个部分,集中采样点到使概率密度函数值大的地方,大大减小了采样误差;在重采样阶段嵌入KHM聚类算法,通过将空间特征与权重分布近似的粒子进行聚类,降低总的样本数,提高了计算效率。样本经聚类处理后,在保持粒子状态后验分布的几何特征的同时,状态空间中的粒子数明显降低,计算效率显著提高。In this paper, by using the stratified sampling method, the sample space is divided into mul- tiple parts, grouping sampling points to the part of high probability density function value, so the sampling error is greatly reduced. In the resampling phase, the KHM clustering algorithm is embed- ded, the particles with approximate spatial characteristics and weight distribution are clustered, thus reducing the total number of samples and improving the computing efficiency. After the clustering, the geometrical characteristics of particles state posterior distribution is maintained, while the number of particles in the state space is significantly reduced and the computing efficiency is improved.

关 键 词：多层采样 聚类 粒子滤波 重采样 运动目标跟踪 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]