Cooperative Resampling-Based Particle Filtering Algorithm under Inequality Constraints

Chongyang Hu

doi:10.1016/j.dsp.2026.106530

Cooperative Resampling-Based Particle Filtering Algorithm under Inequality Constraints

2026-10-01

0

PRE

AI

DOI：10.1016/j.dsp.2026.106530

原文链接

原文求助

摘要

En 中文

本文聚焦于非线性动态随机系统不等式约束下粒子滤波的样本退化问题。传统约束粒子滤波会舍弃可行域外的粒子，从而减少用于表示后验概率密度函数的有效粒子数量，加剧样本退化。为此，我们提出一种基于合作重采样的不等式约束粒子滤波方法，旨在丰富有效粒子。首先，为在重采样阶段高效获取约束粒子，借鉴粒子群优化（PSO）中粒子间的合作机制，提出一种合作运动策略，利用单步PSO启发式方法将采样粒子移动至高概率可行域。然后，我们自适应地将状态空间划分为多个置信区间，并对粒子进行选择性筛选和移动以提高计算效率。此外，我们对所提方法进行理论分析以证明其稳定性。最后，两个仿真场景验证了所提粒子滤波器的优越性。

Keyword:

Particle filtering

Sample degeneracy

Constrained dynamic systems

Cooperative resampling

Cooperative Resampling-Based Particle Filtering Algorithm under Inequality Constraints

摘要

期刊

机构

引用论文