專利名稱：遺傳粒子重采樣、遺傳粒子濾波器及其分布式實(shí)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種粒子重采樣以及粒子濾波器的實(shí)現(xiàn)方法，尤其涉及一種遺傳粒子重采樣、遺傳粒子濾波器及其分布式實(shí)現(xiàn)方法。
背景技術(shù)：
粒子濾波器的應(yīng)用領(lǐng)域非常廣泛，尤其在解決非高斯、非線性運(yùn)動(dòng)物體的跟蹤方面具有很大的優(yōu)勢(shì)。但粒子濾波器存在的一個(gè)最大的問(wèn)題就是粒子的退化問(wèn)題。
粒子退化(Particle Degeneracy)是粒子濾波器(Particle Filter)中不可避免的現(xiàn)象。在粒子濾波器經(jīng)過(guò)幾次迭代之后，很多粒子只有很小甚至接近于零的權(quán)值，這些權(quán)值在進(jìn)行粒子的重要度更新時(shí)雖然還要計(jì)算，但是對(duì)整個(gè)系統(tǒng)的幫助很小，基本上屬于無(wú)用的粒子，這就是粒子的退化。
粒子退化是嚴(yán)重影響粒子濾波器性能的主要因素之一。一方面退化的粒子浪費(fèi)了大量計(jì)算資源，另一方面也容易造成跟蹤的精度降低，甚至使得目標(biāo)丟失，從而降低了目標(biāo)跟蹤或狀態(tài)估計(jì)的準(zhǔn)確性與魯棒性(Robust)。
粒子重采樣(Resampling)是解決粒子濾波器中粒子退化現(xiàn)象，增加粒子有效性，從而提高粒子濾波器性能的重要方法。但現(xiàn)有的重采樣方法中，由于過(guò)分強(qiáng)調(diào)粒子的有效性，一旦跟蹤目標(biāo)丟失，很難通過(guò)粒子的重采樣重新找回目標(biāo)，特別是在一些預(yù)測(cè)模型不能精確反映目標(biāo)運(yùn)動(dòng)狀態(tài)的情況下，這種缺陷尤其嚴(yán)重。
粒子濾波器是一種通過(guò)蒙特卡羅采樣(Monte Carlo Sampling)來(lái)執(zhí)行遞歸貝葉斯濾波(Recursive Bayesian Filter)的方法，其關(guān)鍵思想是利用一組帶權(quán)值的隨機(jī)樣本、以及基于對(duì)這些樣本的估算來(lái)表示后驗(yàn)概率密度函數(shù)pdf(Posterior Density Function)，當(dāng)樣本數(shù)非常大時(shí)，這種估算將等同于pdf。與卡爾曼濾波器(Karlman Filter)相比，粒子濾波器在跟蹤目標(biāo)的運(yùn)動(dòng)以及觀測(cè)模型的獲取上不再受線性和高斯的限制，因此具有更強(qiáng)的應(yīng)用性和有效性。在本世紀(jì)五十年代，Hammersley和Morton(1954)，Rosenbluth(1955)提出一種被稱為Sequential Importance Sampling(SIS)的方法，剛剛提出不久就在物理和統(tǒng)計(jì)學(xué)領(lǐng)域的文章中被引用達(dá)五十余次；到了五六十年代后期Handschin和Mayne(1969)將SIS法應(yīng)用于控制領(lǐng)域；七十年代，各個(gè)領(lǐng)域的學(xué)者繼續(xù)沿著SIS的思路進(jìn)行研究，著名的有Akashi和Kumamoto(1977)、Handschin(1970)、Zaritskii、Svetnik、Shimelevich(1975)。然而，SIS方法也存在著粒子隨時(shí)間退化的問(wèn)題，在1993年，Gordon對(duì)SIS方法做了重大改進(jìn)，率先提出了重采樣(resampling)的概念，有效的克服了退化問(wèn)題，也為粒子濾波器的出現(xiàn)奠定了理論基礎(chǔ)。在這以后，一系列改進(jìn)的SIS方法相繼出現(xiàn)，1997年的Clifford、Fearnhead和Carpenter通過(guò)對(duì)這一類SIS方法進(jìn)行概括，首次提出粒子濾波器(Particle Filter)的概念。
自粒子濾波器出現(xiàn)以來(lái)，人們一直在進(jìn)行研究改進(jìn)以使其具有更大的應(yīng)用價(jià)值。最為重要的改進(jìn)之處就在于在粒子退化現(xiàn)象嚴(yán)重時(shí)，怎樣在稀少的粒子集中有效的進(jìn)行重采樣。針對(duì)這一問(wèn)題，目前比較流行的重采樣方法包括累積分布重采樣(Binary Search)、系統(tǒng)重采樣(Systematic Resampling)，剩余重采樣(Residual Resampling)等等。
但是現(xiàn)有的重采樣方法存在著以下的不足一、過(guò)分強(qiáng)調(diào)重采樣粒子的有效性；二、粒子形態(tài)單一；三、硬件實(shí)現(xiàn)難度大。
也就是在現(xiàn)有的重采樣方法中，一是不能吸收原有重采樣方法保證粒子有效性的方法精髓；二是不能改變?cè)械钠鎻?qiáng)調(diào)保證粒子有效性的編碼方式，找出一種能夠根據(jù)具體問(wèn)題自適應(yīng)調(diào)節(jié)粒子有效性與多樣性粒子的方法；三是不易保證新方法的硬件實(shí)現(xiàn)可行度。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種遺傳粒子重采樣、遺傳粒子濾波器及其分布式實(shí)現(xiàn)方法，自適應(yīng)調(diào)節(jié)粒子有效性與多樣性，解決粒子退化問(wèn)題，實(shí)現(xiàn)粒子重采樣與粒子濾波器。
為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種遺傳粒子重采樣方法，根據(jù)每一時(shí)刻末各個(gè)粒子的已知狀態(tài)，獲得新的粒子集，所述方法包括如下步驟(1)對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼，形成父代粒子集，確定選擇概率Ps、交叉概率Pc與變異概率Pm；(2)按選擇概率Ps，從父代粒子集中選擇出N×Ps個(gè)粒子，作為有效性子代粒子；(3)在父代粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生N×Pc個(gè)新粒子，作為多樣性子代粒子，其中，每次交叉操作中，從所述父代粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；(4)在父代粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生N×Pm個(gè)新粒子，作為多樣性子代粒子，其中，每次變異操作中，從所述父代粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；(5)對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集，該重采樣粒子集中包含有步驟(2)中產(chǎn)生的有效性子代粒子與步驟(3)、(4)中產(chǎn)生的多樣性子代粒子。
為解決上述技術(shù)問(wèn)題，本發(fā)明進(jìn)而提供一種粒子濾波器的實(shí)現(xiàn)方法，包括如下步驟(1)初始化粒子，通過(guò)初始概率密度分布進(jìn)行重要度采樣，得到一個(gè)N點(diǎn)的粒子集；(2)預(yù)測(cè)t時(shí)刻的粒子狀態(tài)，產(chǎn)生t時(shí)刻的粒子集；
(3)對(duì)于t時(shí)刻粒子集中的每一個(gè)狀態(tài)，進(jìn)行粒子權(quán)值的更新；(4)對(duì)t時(shí)刻的粒子集進(jìn)行重采樣；其中，所述步驟(4)包括(41)對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼，形成父代粒子集，確定選擇概率Ps、交叉概率Pc與變異概率Pm；(42)按選擇概率Ps，從父代粒子集中選擇出N×Ps個(gè)粒子，作為有效性子代粒子；(43)在父代粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生N×Pc個(gè)新粒子，作為多樣性子代粒子，其中，每次交叉操作中，從所述父代粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；(44)在父代粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生N×Pm個(gè)新粒子，作為多樣性子代粒子，其中，每次變異操作中，從所述父代粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；(45)對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集，該重采樣粒子集中包含有步驟(42)中產(chǎn)生的有效性子代粒子與步驟(43)、(44)中產(chǎn)生的多樣性子代粒子。
為解決上述技術(shù)問(wèn)題，本發(fā)明還提供一種粒子濾波器的分布式實(shí)現(xiàn)方法，包括如下步驟(1)確定二進(jìn)制編碼位數(shù)M及其范圍位的位數(shù)n；(2)根據(jù)二進(jìn)制編碼范圍位及其位數(shù)n，將總體粒子集劃分為本地粒子與分步粒子，根據(jù)本地粒子的數(shù)量將總體粒子集狀態(tài)空間劃分為相同數(shù)量的子空間，每一個(gè)本地粒子表示一個(gè)子空間；(3)初始化所述分布粒子集；(4)按照預(yù)設(shè)模型預(yù)測(cè)t時(shí)刻的分布粒子狀態(tài)；
(5)對(duì)于t時(shí)刻粒子集中的每一個(gè)狀態(tài)，進(jìn)行粒子重要度權(quán)值的更新，并將本地粒子集與分布粒子集的重要度權(quán)值分別作歸一化處理，根據(jù)本地粒子的歸一化重要度獲得該本地粒子所代表的子空間的重采樣粒子數(shù)；(6)對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼；(7)根據(jù)各粒子的范圍位與各子空間所需的重采樣粒子數(shù)，為各子空間從粒子集中選擇粒子，只至子空間內(nèi)粒子數(shù)達(dá)到所需粒子數(shù)；(8)在各個(gè)子空間內(nèi)部，通過(guò)交叉與變異操作，對(duì)粒子集進(jìn)行多樣性調(diào)整，其中，所述交叉操作，包括在子空間粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生多樣性子代粒子，其中，每次交叉操作中，從該子空間粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；所述變異操作，包括在子空間粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生多樣性子代粒子，其中，每次變異操作中，從該子空間粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；(9)對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集。
其中，所述步驟(7)中，如果有子空間在粒子選擇后沒(méi)有達(dá)到所需粒子數(shù)的，則通過(guò)交叉與變異操作對(duì)該子空間內(nèi)的粒子數(shù)進(jìn)行補(bǔ)足。
本發(fā)明吸收了現(xiàn)有重采樣方法中保證粒子有效性的操作精髓，但改變了原有方法中片面強(qiáng)調(diào)粒子有效性的方式，提出了一種能夠自適應(yīng)調(diào)節(jié)粒子有效性與多樣性的方法，在保證粒子有效性的同時(shí)，科學(xué)的增加粒子多樣性，實(shí)現(xiàn)了粒子濾波器跟蹤問(wèn)題中的粒子有效性與多樣性的統(tǒng)一，提高了系統(tǒng)性能，達(dá)到最大的跟蹤準(zhǔn)確度并增加跟蹤魯棒性，且便于硬件實(shí)現(xiàn)。


圖1為根據(jù)本發(fā)明實(shí)施例所述的遺傳重采樣方法流程示意圖；圖2為根據(jù)本發(fā)明實(shí)施例所述的粒子濾波器實(shí)現(xiàn)方法流程圖；圖3為根據(jù)本發(fā)明實(shí)施例所述的分布式粒子濾波器的實(shí)現(xiàn)方法流程圖。
具體實(shí)施例方式
遺傳算法是模擬自然界生物進(jìn)化過(guò)程與機(jī)制來(lái)求解極值問(wèn)題的一類自組織、自適應(yīng)人工智能技術(shù)。它通過(guò)模擬進(jìn)化原理激勵(lì)好的結(jié)構(gòu)，同時(shí)尋求更好的結(jié)構(gòu)，是一種隨機(jī)的優(yōu)化與搜索方法。
遺傳算法反映的是一種進(jìn)化思想，而粒子濾波器中存在的主要問(wèn)題就是一種退化問(wèn)題，用進(jìn)化的思想來(lái)解決退化的問(wèn)題，本身就是具有可行性的。
比較遺傳算法結(jié)構(gòu)與粒子濾波器中的重采樣結(jié)構(gòu)，可以發(fā)現(xiàn)，兩種方法的目的都是保留優(yōu)良個(gè)體，增加個(gè)體的適應(yīng)度，不同之處在于遺傳算法有一個(gè)遞歸收斂求最優(yōu)解的過(guò)程，而重采樣方法只是一個(gè)選取個(gè)體的單步操作，而遺傳算法中的遺傳操作，可以看作是一種類似于重采樣的單步選取個(gè)體的操作。
將遺傳機(jī)制應(yīng)用于粒子的重采樣，首先，作為一種進(jìn)化思想的理論基礎(chǔ)，遺傳機(jī)制在形式上就為其解決粒子的退化問(wèn)題有了可能。其次，遺傳機(jī)制不僅僅是選擇優(yōu)良個(gè)體，通過(guò)重組與變異操作，還可以產(chǎn)生新的個(gè)體。因此，合適的確定選擇概率、重組概率以及變異概率，就可以在保證粒子有效性的同時(shí)，兼顧粒子的多樣性。另外，遺傳算法處理的為二進(jìn)制數(shù)據(jù)，其高度的并行性使得在硬件實(shí)現(xiàn)上也更加簡(jiǎn)單。
因此本發(fā)明針對(duì)現(xiàn)有重采樣方法的不足，用進(jìn)化思想解決粒子的退化問(wèn)題，提出了遺傳重采樣方法，進(jìn)一步發(fā)展了遺傳粒子濾波器的實(shí)現(xiàn)方法，設(shè)計(jì)了遺傳重采樣的一種分布式實(shí)現(xiàn)方法，可以通過(guò)粒子分類與分布實(shí)現(xiàn)降低粒子重采樣的復(fù)雜度。
下面將對(duì)如何具體實(shí)施本發(fā)明作出闡述。
如圖1所示，為根據(jù)本發(fā)明實(shí)施例所述的遺傳重采樣方法流程示意圖，其中包括如下步驟
步驟101對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼，形成父代粒子集，確定選擇概率Ps、交叉概率Pc與變異概率Pm；步驟102按選擇概率Ps，從父代粒子集中按累積分布選擇出有效性子代粒子；步驟103在父代粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生N*Pc個(gè)多樣性子代粒子。每次交叉操作執(zhí)行如下按累積分布選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；步驟104在父代粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生N*Pm個(gè)多樣性子代粒子。每次變異操作執(zhí)行如下按累積分布選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；步驟105對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，重采樣粒子集生成，重采樣粒子集中包括有步驟102中產(chǎn)生的有效性子代粒子與步驟103、104中產(chǎn)生的多樣性子代粒子。
遺傳重采樣的過(guò)程是一個(gè)遺傳機(jī)制的執(zhí)行過(guò)程，在每一個(gè)時(shí)刻末，各個(gè)粒子的狀態(tài)以及權(quán)值是已知的。粒子濾波器通過(guò)將粒子的狀態(tài)編碼、選擇、交叉與變異操作得到新的粒子集。選擇操作得到有效性粒子、而交叉與變異操作產(chǎn)生新的粒子，保證粒子的多樣性，交叉與變異操作通過(guò)選擇優(yōu)秀的父代個(gè)體保證新產(chǎn)生的子代個(gè)體的有效性。
重采樣得到的粒子被劃分為有效性粒子與多樣性粒子。多樣性粒子的產(chǎn)生是按照遺傳算法中的交叉操作與變異操作進(jìn)行。實(shí)施中可以通過(guò)改變ps、pc，、pm而改變?cè)辛Ｗ优c新生粒子間的比率，得到最佳原有粒子(有效性粒子)與新生粒子(多樣性粒子)比例。實(shí)施例中所得到的最佳選擇概率為0.8。
選擇、交叉與變異過(guò)程的父代，為上時(shí)刻粒子狀態(tài)集。粒子選擇的過(guò)程與累積分布重采樣相同，選擇的粒子個(gè)數(shù)不是總的粒子數(shù)N，假設(shè)給定選擇概率為Ps，則選擇出的子代粒子數(shù)為N*Ps。
每一交叉操作中，首先在父代粒子集中選擇兩個(gè)用于交叉的父代個(gè)體，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值最為交叉位(M為二進(jìn)制編碼的位數(shù))，最后交叉操作得到兩個(gè)子代個(gè)體，交叉操作產(chǎn)生的子代粒子數(shù)為N*Pc。
每一變異操作中，首先在第二子代粒子集中選擇一個(gè)用于變異的父代個(gè)體，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值作為變異位，最后父代變異位取反得到一個(gè)子代個(gè)體。變異操作產(chǎn)生的子代粒子數(shù)為N*Pm。
比如1000個(gè)粒子，假設(shè)選擇概率為0.7，通過(guò)選擇操作，在1000個(gè)粒子中選擇700個(gè)粒子進(jìn)入下一代粒子集；交叉操作中，當(dāng)交叉概率為0.3，則對(duì)1000個(gè)粒子集進(jìn)行[(1000*0.2)/2]＝100次交叉操作，每次交叉操作選擇2個(gè)父代粒子產(chǎn)生2個(gè)子代粒子，則100次產(chǎn)生200個(gè)子代粒子；變異操作中，當(dāng)變異概率為0.1，則對(duì)1000個(gè)粒子集進(jìn)行(1000*0.1)＝100次交叉操作，每次交叉操作選擇1個(gè)父代粒子產(chǎn)生1個(gè)子代粒子，則100次產(chǎn)生100個(gè)子代粒子；但最后得到子代粒子集中共有700+200+100＝1000個(gè)粒子，粒子總數(shù)仍舊是不變的。
實(shí)施例中，當(dāng)選用二進(jìn)制編碼位數(shù)M＝9，選用選擇、交叉、變異概率分別為ps＝0.7、pc＝0.2、pm＝0.1時(shí)。由于二進(jìn)制編碼位數(shù)的選擇存在一個(gè)精度與復(fù)雜度的問(wèn)題，位數(shù)選擇的過(guò)大，則精度s很小，但是位數(shù)的過(guò)長(zhǎng)會(huì)造成運(yùn)算的復(fù)雜；相反，位數(shù)選擇的過(guò)小，則會(huì)造成精度的不準(zhǔn)引起跟蹤的偏差。在實(shí)際問(wèn)題的設(shè)計(jì)中，二進(jìn)制編碼是一個(gè)需要高度權(quán)衡的問(wèn)題。
ps、pc，、pm，所代表的選擇、交叉與變異概率，由于它們也代表著原有粒子與新生粒子間的比率，因此可以看成是這種有效性粒子與多樣性粒子之間比例的反映?？梢愿鶕?jù)如下規(guī)則確定ps、pc，、pma)新粒子是通過(guò)交叉與變異操作產(chǎn)生的，我們將新粒子的產(chǎn)生看做一個(gè)整體。新粒子內(nèi)部，通過(guò)交叉與變異操作產(chǎn)生粒子的比例為4∶1。
b)仿真中所做的是遺傳重采樣性能與選擇概率曲線。如果選擇概率為ps，按a)中的設(shè)定，則交叉概率pc為0.8(1-ps)，變異概率pm為0.2(1-ps)。
c)ps變化的范圍為
，取值間隔為0.1，ps＝0時(shí)表示所有粒子都為交叉或變異產(chǎn)生的新粒子，而ps＝1則表示沒(méi)有新粒子的產(chǎn)生。
通過(guò)仿真研究，實(shí)施例中所得到的最佳選擇概率為ps＝0.8。
對(duì)于一個(gè)完整的粒子濾波器來(lái)說(shuō)，需要有三個(gè)重要的操作，即1、粒子的生成，即粒子狀態(tài)的預(yù)測(cè)；2、計(jì)算粒子的重要度，即粒子狀態(tài)的權(quán)衡；3、重采樣。
另外，在粒子濾波器操作之前，還有一個(gè)比較重要的步驟就是粒子初始化操作。
如圖2所示，為根據(jù)本發(fā)明實(shí)施例所述的粒子濾波器實(shí)現(xiàn)方法流程圖，包括如下步驟步驟201初始化粒子。
通過(guò)初始概率密度分布進(jìn)行重要度采樣，得到一個(gè)N點(diǎn)的粒子集。初始粒子集呈正態(tài)分布(normal distribution)，可以選擇均值為0，方差為1的標(biāo)準(zhǔn)正態(tài)分布來(lái)進(jìn)行初始化。
步驟202粒子狀態(tài)的預(yù)測(cè)。
按運(yùn)動(dòng)模型的遞歸形式，預(yù)測(cè)t時(shí)刻的粒子狀態(tài)，產(chǎn)生t時(shí)刻的粒子集。
步驟203粒子狀態(tài)的權(quán)衡。
根據(jù)粒子的狀態(tài)值首先得出粒子的觀測(cè)值，然后由觀測(cè)值與真實(shí)值的觀測(cè)值相比較，得到該粒子的權(quán)值；對(duì)于t時(shí)刻粒子集中的每一個(gè)狀態(tài)，進(jìn)行粒子權(quán)值的更新。
在本實(shí)施例中，可以選用粒子濾波器研究學(xué)界統(tǒng)一采用的一個(gè)經(jīng)濟(jì)學(xué)仿真模型，用如下兩個(gè)公式所示x(t)=0.5x(t-1)+25x(t-1)1+x(t-1)2+8cos(1.2(t-1))+w(t)]]>y(t)=x(t)220+v(t)]]>
其中w(t)與v(t)表示t時(shí)刻的運(yùn)動(dòng)噪聲與觀測(cè)噪聲，x，y分別表示粒子狀態(tài)值與觀測(cè)值。
步驟204對(duì)t時(shí)刻的粒子集進(jìn)行重采樣。
其中，步驟204進(jìn)行重采樣的具體過(guò)程，可以采用如圖1所示的方法。
針對(duì)遺傳粒子濾波器的設(shè)計(jì)特點(diǎn)，本發(fā)明中還提出了一種旨于降低遺傳粒子濾波器算法復(fù)雜度的分布式實(shí)現(xiàn)方法，該方法主要體現(xiàn)一種分布的思想。該方法與以往方法的不同之處在于將粒子分為本地粒子(Local particle)與分布粒子(Distribute Particle)兩種形式，兩種粒子的個(gè)數(shù)由二進(jìn)制編碼的范圍位與精度位位數(shù)確定，然后進(jìn)行l(wèi)ocal粒子和distribute粒子重新歸一化。這樣，重采樣的依據(jù)將不再僅限于重要度，重要度的作用也不再僅限于粒子的重采樣。本地粒子所代表的狀態(tài)值是不變的，其重要度代表其所代表區(qū)間的重采樣粒子個(gè)數(shù)，最后針對(duì)區(qū)間進(jìn)行重采樣。重采樣時(shí)應(yīng)遵從如下原則1、根據(jù)粒子所在區(qū)間范圍重采樣；2、根據(jù)粒子重要度重采樣；3、根據(jù)區(qū)間內(nèi)粒子的重要度調(diào)整區(qū)間粒子個(gè)數(shù)；4、在區(qū)間內(nèi)代選粒子不足的情況下使用遺傳操作進(jìn)行粒子個(gè)數(shù)補(bǔ)足。
如圖3所示，為根據(jù)本發(fā)明實(shí)施例所述的分布式粒子濾波器的實(shí)現(xiàn)方法流程圖，包括如下步驟步驟301確定二進(jìn)制編碼位數(shù)M及其范圍位的位數(shù)n；通過(guò)編碼位數(shù)可以確定范圍位，并進(jìn)而可以再確定本地與分布粒子數(shù)和粒子狀態(tài)值。編碼位數(shù)是通過(guò)考慮粒子濾波器所應(yīng)用的系統(tǒng)而確定的，沒(méi)有一個(gè)具體的值，當(dāng)所應(yīng)用的領(lǐng)域?qū)?shí)時(shí)性要求較高時(shí)，編碼位數(shù)大；而對(duì)準(zhǔn)確性要求高時(shí)，編碼位數(shù)小。范圍位和精度位同樣沒(méi)有固定的選取值，范圍位的作用是確定本地粒子數(shù)，本地粒子的作用是確定將狀態(tài)空間分成多少個(gè)子空間，每一個(gè)本地粒子表示一個(gè)子空間，若編碼位數(shù)為L(zhǎng)，范圍位為n，則精度位為L(zhǎng)-n，分布式粒子濾波器的最大特點(diǎn)就是將整個(gè)狀態(tài)空間分為子空間并行計(jì)算。
范圍位一般選擇整個(gè)編碼位數(shù)的前4位，即將整個(gè)狀態(tài)空間分為24＝16個(gè)，精度位為L(zhǎng)-4個(gè)。但是這種取法并不限于范圍位僅僅只能取前4位，范圍位在實(shí)施中結(jié)合具體問(wèn)題可以選取別的范圍，實(shí)施例中取的位數(shù)只是做簡(jiǎn)單的示例，闡明本發(fā)明如何實(shí)施。
根據(jù)范圍位確定本地粒子數(shù)與分布粒子數(shù)，當(dāng)在范圍位為n時(shí)，本地粒子為2的n次方個(gè)粒子，而分布粒子為粒子總數(shù)減2的n次方。
步驟302根據(jù)二進(jìn)制編碼范圍位及其位數(shù)n，將總體粒子集劃分為本地粒子與分步粒子，根據(jù)本地粒子的數(shù)量將總體粒子集狀態(tài)空間劃分為相同數(shù)量的子空間，每一個(gè)本地粒子表示一個(gè)子空間。
假設(shè)粒子可能存在的狀態(tài)空間分
，范圍位為4位，則本地粒子數(shù)為2的4次方＝16個(gè)，子空間的個(gè)數(shù)同樣為16個(gè)，這樣的話，將
平均分為16個(gè)子空間，每一個(gè)空間表示的數(shù)量單位為80/16＝5，則16個(gè)子空間依次為
，[5 10]……[70 75]，[75 80]，經(jīng)過(guò)二進(jìn)制編碼后，每個(gè)子空間內(nèi)粒子狀態(tài)的前4位分別為0000，0001，0010，0011，0100，0101，0110，0111，1000，1001，1010，1011，1100，1101，1110，1111，本地粒子的后5位粒子確定為10000，則16個(gè)本地粒子的二進(jìn)制編碼形式分別為000010000，0000110000，001010000，001110000，010010000，010110000，011010000，011110000，100010000，100110000，101010000，101110000，110010000，110110000，111010000，111110000，它們表示的粒子狀態(tài)值分別為2.5，7.5，12.5……72.5，77.5，即每個(gè)區(qū)間的中間狀態(tài)粒子被取作為代表本區(qū)間的本地粒子，這16個(gè)本地粒子是永遠(yuǎn)存在的，每時(shí)刻的遞歸過(guò)程首先需要這16個(gè)粒子代表區(qū)間的重要度。
步驟303初始化所述分布粒子集。
與現(xiàn)有濾波器不同的是，本發(fā)明實(shí)施例在初始化時(shí)僅對(duì)分布粒子進(jìn)行初始化。
步驟304按照預(yù)設(shè)模型預(yù)測(cè)t時(shí)刻的分布粒子狀態(tài)。
步驟305對(duì)于t時(shí)刻粒子集中的每一個(gè)狀態(tài)，進(jìn)行粒子重要度權(quán)值的更新，并將本地粒子集與分布粒子集的重要度權(quán)值分別作歸一化處理，根據(jù)本地粒子的歸一化重要度獲得該本地粒子所代表的子空間的重采樣粒子數(shù)。
根據(jù)本地粒子的觀測(cè)值與真實(shí)值的觀測(cè)值得到各粒子重要度。本地粒子與分布粒子的觀測(cè)值計(jì)算方式相同，重要度計(jì)算方式相同。但是兩者的重要度作用不同，本地粒子重要度將決定本地粒子所代表區(qū)間需要的重采樣粒子數(shù)，而分布粒子的重要度則應(yīng)用于該粒子的區(qū)間內(nèi)重采樣。
取本地粒子的歸一化重要度，若16個(gè)本地粒子的歸一化重要度分別為0.1，0.1，0.1，0.15，0.05，0.1，0.04，0.04，0.04，0.04，0.04，0.04，0.04，0.04，0.04，0.04，假設(shè)總的粒子數(shù)為1000，則每個(gè)區(qū)間內(nèi)所需的重采樣粒子數(shù)分別為100，100，100，150，50，100，40，40，40，40，40，40，40，40，40，40。
步驟306對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼。
步驟307根據(jù)各粒子的范圍位與各子空間所需的重采樣粒子數(shù)，為各子空間從粒子集中選擇粒子，直至子空間內(nèi)粒子數(shù)達(dá)到所需粒子數(shù)。
這個(gè)過(guò)程相當(dāng)于做第一次重采樣，是為選擇各區(qū)間的粒子數(shù)，通過(guò)比較各粒子的前4位進(jìn)行操作。例如某個(gè)粒子狀態(tài)為100100011，其前4位為1001，及將其選擇為1001子空間內(nèi)，直至子空間內(nèi)粒子數(shù)達(dá)到所需粒子數(shù)，則不再選擇，當(dāng)然也可能出現(xiàn)所有該區(qū)間的粒子數(shù)都選擇了一遍也沒(méi)有達(dá)到所需粒子數(shù)，這就需要通過(guò)交叉與變異操作進(jìn)行補(bǔ)足。
步驟308在各個(gè)子空間內(nèi)部，通過(guò)交叉與變異操作，對(duì)粒子集進(jìn)行多樣性調(diào)整，其中，所述交叉操作，包括在子空間粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生多樣性子代粒子，其中，每次交叉操作中，從該子空間粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；所述變異操作，包括在子空間粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生多樣性子代粒子，其中，每次變異操作中，從該子空間粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子。
這個(gè)相當(dāng)于做第二次重采樣，交叉變異操作不僅僅是進(jìn)行粒子補(bǔ)足，對(duì)已經(jīng)達(dá)到粒子數(shù)目的子區(qū)間，同樣需要通過(guò)變異與交叉進(jìn)行多樣性調(diào)整，具體調(diào)整方法與本發(fā)明提供的遺傳重采樣方法中提供的實(shí)施例相似。
步驟309對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集。
綜上所述，本發(fā)明通過(guò)定義粒子濾波器中的粒子狀態(tài)編碼方式，保證了遺傳重采樣的應(yīng)用價(jià)值，針對(duì)粒子有效性與多樣性兩種矛盾的概念，通過(guò)仿真研究找出具體問(wèn)題中遺傳重采樣過(guò)程中的選擇概率的最佳選擇方案，使利用遺傳粒子濾波器處理問(wèn)題時(shí)能夠達(dá)到一個(gè)最佳的跟蹤效果。另外，本發(fā)明提供的分布式粒子濾波器的實(shí)現(xiàn)方式，降低了遺傳重采樣復(fù)雜度，并可以通過(guò)二進(jìn)制并行設(shè)計(jì)使其易于硬件實(shí)現(xiàn)。
本發(fā)明能應(yīng)用于所有粒子濾波器的應(yīng)用領(lǐng)域，如目標(biāo)定位與導(dǎo)航、信道估計(jì)、視頻分割、計(jì)算機(jī)視覺(jué)等等。而在對(duì)于人體運(yùn)動(dòng)的視頻跟蹤等難度較高的跟蹤情況下運(yùn)用時(shí)優(yōu)勢(shì)更加明顯。
權(quán)利要求
1.一種遺傳粒子重采樣方法，根據(jù)每一時(shí)刻末各個(gè)粒子的已知狀態(tài)，獲得新的粒子集，其特征在于，包括如下步驟(1)對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼，形成父代粒子集，確定選擇概率Ps、交叉概率Pc與變異概率Pm；(2)按選擇概率Ps，從父代粒子集中選擇出N×Ps個(gè)粒子，作為有效性子代粒子；(3)在父代粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生N×Pc個(gè)新粒子，作為多樣性子代粒子，其中，每次交叉操作中，從所述父代粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；(4)在父代粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生N×Pm個(gè)新粒子，作為多樣性子代粒子，其中，每次變異操作中，從所述父代粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；(5)對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集，該重采樣粒子集中包含有步驟(2)中產(chǎn)生的有效性子代粒子與步驟(3)、(4)中產(chǎn)生的多樣性子代粒子。
2.如權(quán)利要求1所述的方法，其特征在于所述步驟(2)，是從父代粒子集中按累積分布選擇出N×Ps個(gè)粒子；所述步驟(3)，在每次交叉操作中，是從所述父代粒子集中按累積分布選擇用于交叉的兩個(gè)父代粒子；所述步驟(4)，在每次變異操作中，是從所述父代粒子集中按累積分布選擇用于變異的一個(gè)父代粒子。
3.如權(quán)利要求1所述的方法，其特征在于，所述pc為0.8(1-ps)，pm為0.2(1-ps)。
4.如權(quán)利要求1所述的方法，其特征在于，所述ps變化的范圍為
，取值間隔為0.1，ps＝0時(shí)表示所有粒子都為交叉或變異產(chǎn)生的新粒子，而ps＝1則表示沒(méi)有新粒子的產(chǎn)生。
5.如權(quán)利要求1所述的方法，其特征在于，所述ps優(yōu)選為0.8。
6.一種粒子濾波器的實(shí)現(xiàn)方法，包括(1)初始化粒子，通過(guò)初始概率密度分布進(jìn)行重要度采樣，得到一個(gè)N點(diǎn)的粒子集；(2)預(yù)測(cè)t時(shí)刻的粒子狀態(tài)，產(chǎn)生t時(shí)刻的粒子集；(3)對(duì)于t時(shí)刻粒子集中的每一個(gè)狀態(tài)，進(jìn)行粒子權(quán)值的更新；其特征在于，進(jìn)一步包括(4)對(duì)t時(shí)刻的粒子集進(jìn)行遺傳重采樣；其中，所述步驟(4)包括(41)對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼，形成父代粒子集，確定選擇概率Ps、交叉概率Pc與變異概率Pm；(42)按選擇概率Ps，從父代粒子集中選擇出N×Ps個(gè)粒子，作為有效性子代粒子；(43)在父代粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生N×Pc個(gè)新粒子，作為多樣性子代粒子，其中，每次交叉操作中，從所述父代粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間的整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；(44)在父代粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生N×Pm個(gè)新粒子，作為多樣性子代粒子，其中，每次變異操作中，從所述父代粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；(45)對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集，該重采樣粒子集中包含有步驟(42)中產(chǎn)生的有效性子代粒子與步驟(43)、(44)中產(chǎn)生的多樣性子代粒子。
7.如權(quán)利要求6所述的方法，其特征在于所述步驟(42)，是從父代粒子集中按累積分布選擇出N×Ps個(gè)粒子；所述步驟(43)，在每次交叉操作中，是從所述父代粒子集中按累積分布選擇用于交叉的兩個(gè)父代粒子；所述步驟(44)，在每次變異操作中，是從所述父代粒子集中按累積分布選擇用于變異的一個(gè)父代粒子。
8.如權(quán)利要求6所述的方法，其特征在于，所述pc為0.8(1-ps)，pm為0.2(1-ps)。
9.如權(quán)利要求6所述的方法，其特征在于，所述ps變化的范圍為
，取值間隔為0.1，ps＝0時(shí)表示所有粒子都為交叉或變異產(chǎn)生的新粒子，而ps＝1則表示沒(méi)有新粒子的產(chǎn)生。
10.如權(quán)利要求6所述的方法，其特征在于，所述ps優(yōu)選為0.8。
11.一種粒子濾波器的分布式實(shí)現(xiàn)方法，其特征在于，包括如下步驟(1)確定二進(jìn)制編碼位數(shù)M及其范圍位的位數(shù)n；(2)根據(jù)二進(jìn)制編碼范圍位及其位數(shù)n，將總體粒子集劃分為本地粒子與分步粒子，根據(jù)本地粒子的數(shù)量將總體粒子集狀態(tài)空間劃分為相同數(shù)量的子空間，每一個(gè)本地粒子表示一個(gè)子空間；(3)初始化所述分布粒子集；(4)按照預(yù)設(shè)模型預(yù)測(cè)t時(shí)刻的分布粒子狀態(tài)；(5)對(duì)于t時(shí)刻粒子集中的每一個(gè)狀態(tài)，進(jìn)行粒子重要度權(quán)值的更新，并將本地粒子集與分布粒子集的重要度權(quán)值分別作歸一化處理，根據(jù)本地粒子的歸一化重要度獲得該本地粒子所代表的子空間的重采樣粒子數(shù)；(6)對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼；(7)根據(jù)各粒子的范圍位與各子空間所需的重采樣粒子數(shù)，為各子空間從粒子集中選擇粒子，只至子空間內(nèi)粒子數(shù)達(dá)到所需粒子數(shù)；(8)在各個(gè)子空間內(nèi)部，通過(guò)交叉與變異操作，對(duì)粒子集進(jìn)行多樣性調(diào)整，其中，所述交叉操作，包括在子空間粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生多樣性子代粒子，其中，每次交叉操作中，從該子空間粒子集中選擇用于交叉的兩個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M-1]間整數(shù)值作為交叉位，通過(guò)交叉操作得到兩個(gè)子代粒子；所述變異操作，包括在子空間粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生多樣性子代粒子，其中，每次變異操作中，從該子空間粒子集中選擇用于變異的一個(gè)父代粒子，然后隨機(jī)產(chǎn)生一個(gè)[1，M]間的整數(shù)值為變異位，通過(guò)粒子變異位取反得到一個(gè)子代粒子；(9)對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集。
12.如權(quán)利要求11所述的方法，其特征在于，所述步驟(7)中，如果有子空間在粒子選擇后沒(méi)有達(dá)到所需粒子數(shù)的，則通過(guò)交叉與變異操作對(duì)該子空間內(nèi)的粒子數(shù)進(jìn)行補(bǔ)足。
全文摘要
本發(fā)明公開了一種遺傳粒子重采樣、遺傳粒子濾波器及其分布式實(shí)現(xiàn)方法，所述重采樣方法，包括對(duì)前一遞歸時(shí)刻的N個(gè)粒子狀態(tài)進(jìn)行M位二進(jìn)制編碼，形成父代粒子集，確定選擇概率Ps、交叉概率Pc與變異概率Pm；按選擇概率Ps，從父代粒子集中選擇出N×Ps個(gè)粒子，作為有效性子代粒子；在父代粒子集中按交叉概率Pc執(zhí)行Pc/2次交叉操作，產(chǎn)生N×Pc個(gè)新粒子，作為多樣性子代粒子；在父代粒子集中按變異概率Pm執(zhí)行Pm次變異操作，產(chǎn)生N×Pm個(gè)新粒子，作為多樣性子代粒子；對(duì)操作后的粒子狀態(tài)值二進(jìn)制進(jìn)行譯碼，生成重采樣粒子集。本發(fā)明實(shí)現(xiàn)了粒子濾波器跟蹤問(wèn)題中的粒子有效性與多樣性的統(tǒng)一，增加了跟蹤魯棒性，且便于硬件實(shí)現(xiàn)。
文檔編號(hào)G06N3/12GK1881116SQ20061007621
公開日2006年12月20日 申請(qǐng)日期2006年4月19日 優(yōu)先權(quán)日2006年4月19日
發(fā)明者葉龍, 王京玲, 張勤 申請(qǐng)人:中國(guó)傳媒大學(xué)信息工程學(xué)院