目标跟踪系列-滤波-4.粒子滤波及重采样方法

2023-10-25 21:10

本文主要是介绍目标跟踪系列-滤波-4.粒子滤波及重采样方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

滤波算法大全

1.核心思想

       粒子滤波是使用一组具有相应权值的随机样本(粒子)来表示状态的后验分布。该方法的基本思路是选取一个重要性概率密度并从中进行随机抽样,得到一些带有相应权值的随机样本后,在状态观测的基础上调节权值的大小和粒子的位置,再使用这些样本来逼近状态后验分布,最后将这组样本的加权求和作为状态的估计值。
粒子滤波不受系统模型的线性和高斯假设约束,采用样本形式而不是函数形式对状态概率密度进行描述,使其不需要对状态变量的概率分布进行过多的约束,因而在非线性非高斯动态系统中广泛应用。尽管如此,粒子滤波目前仍存在计算量过大、粒子退化等关键问题亟待突破。

粒子滤波(PF)原理详解

2.算法步骤

       Step 1: 根据p(xk-1)采样得到N个粒子xk-1(i) ∼p(xk-1)
    Step 2: 根据状态转移函数计算产生新的粒子为xk(i)
    Step 3: 计算重要性权值wk(i)   
    Step 4: 归一化重要性权值
    Step 5: 使用重采样方法对粒子进行重采样
    Step 6: 对新产生的粒子加权得到k时刻的后验状态估计

在这里插入图片描述

3.粒子滤波matlab代码

% x为采样粒子,w为粒子权重,action为运动量,observation 为观测值
function [ x,w ] = particleFilter( x,w, action, observation )global Beta;M = size(x,1);[x] = motionModel( x , action );% Motion modelWt = observationLikelihood(x,observation); % Observation Modelw = w .* Wt;w = w ./ sum(w);% Normalize the weights:ESS_before = ESS(w);if ( ESS_before < Beta*M ) % Resample?indx = resample(w);% Find the indexes for the resample:x(:,:) = x(indx,:); % Duplicate particles & set equal weights:w = ones(M,1)./M;end
endfunction [ ess ] = ESS( w )
M = size(w,1);
cv = sum( ( w.*M - 1 ).^2 ) / M;
ess = 1 / ( 1 + cv );
end

4.重要性采样(importance sampling)

重要性采样,Importance Sampling (重要性采样)介绍

5.序列重要性采样

基于序贯重要性重采样的粒子滤波and(RBPF)

6.重采样

       重采样主要是为了解决经典蒙特卡洛方法中出现的粒子匮乏现象。其主要思想是对粒子和其相应的权值表示的概率密度函数重新进行采样。通过增加权值较大粒子和减少权值较小粒子来实现。重采样虽然可以改善粒子匮乏现象,但也降低了粒子的多样性。

6.1.随机重采样仿真代码matlab

function randomR_tes%随机采样方法N=10; %粒子数目A=[2,8,2,7,3,5,5,1,4,6]; %拟定的数据集,如果可以的话,可以使用随机函数生成W=A./sum(A);%根据不同的占比值重新分配随机层的权重OutIndex=randomR(W);NewA=A(OutIndex);% matlab绘图figuresubplot(2,1,1);plot(A,'--ro','MarkerFace','g');axis([1,N,1,N]);subplot(2,1,2);plot(NewA,'--ro','MarkerFace','g');axis([1,N,1,N]);function outIndex = randomR(weight) % 随机采样函数L=length(weight);outIndex=zeros(1,L);        u=unifrnd(0,1,1,L);%产生随机分布,完全均匀   u=sort(u);cdf=cumsum(weight); %计算粒子的权重累计函数cdfi=1;for j=1:L %核心计算while (i<=L)&&(u(i)<=cdf(j))outIndex(i)=j;% 粒子复制i=i+1;% 迭代考察各个随机分层endend
end
end

6.2.重采样准测

       重采样过程中一般选取一些准则来判断有效粒子的个数,通过这个个数来判断是否进行重采样。一般的判断准则为:
在这里插入图片描述

       其中Neff为有效粒子个数,表示粒子权值,N为粒子个数。通过将Neff与预先设定的个数进行比较来决定是否重采样。一般Neff<2/3*N时候进行重采样。

function w_new=resample_particles1(w)
w_new=w;
Neff=1/sum(w.*w);
N=length(w);
if Neff<75 %75为预先设定阈值for i = 1 : Nu = rand; qtempsum = 0;for j = 1 : Nqtempsum = qtempsum + w(j);if qtempsum >= uw_new(i)=w(j);break;endendend
end

6.3.四种常用的重采样算法

       四种常用的重采样算法:简单随机重采样,分层重采样,系统重采样和残余重采样。

6.3.1.简单随机重采样
function [ indx ] = resampleMultinomial( w )
% 简单随机重采样
M = length(w);
Q = cumsum(w); %cdf函数
Q(M)=1; % Just in case...i=1;
while (i<=M)sampl = rand(1,1);  % (0,1]j=1;while (Q(j)<sampl)j=j+1;endindx(i)=j;i=i+1;
end
6.3.2.残差重采样
function [ indx ] = resampleResidual( w )
% 残差重采样
M = length(w);
Ns = floor(M .* w);% "Repetition counts" (plus the random part, later on):
R = sum( Ns );% The "remainder" or "residual" count:
M_rdn = M-R;% The number of particles which will be drawn stocastically:
Ws = (M .* w - floor(M .* w))/M_rdn;% The modified weights:% Draw the deterministic part:
i=1;
for j=1:Mfor k=1:Ns(j)indx(i)=j;i = i +1;end
end% And now draw the stocastic (Multinomial) part: 
Q = cumsum(Ws);
Q(M)=1; % Just in case...
while (i<=M)sampl = rand(1,1);  % (0,1]j=1;while (Q(j)<sampl)j=j+1;endindx(i)=j;i=i+1;
end
6.3.3.分层采样
function [ indx ] = resampleStratified( w )
% 分层采样
N = length(w);
Q = cumsum(w);
for i=1:NT(i) = rand(1,1)/N + (i-1)/N;
end
T(N+1) = 1;
i=1;
j=1;
while (i<=N)if (T(i)<Q(j))indx(i)=j;i=i+1;elsej=j+1;        end
end
6.3.4.系统重采样
function [ indx ] = resampleSystematic( w )
% 系统重采样
N = length(w);
Q = cumsum(w);
T = linspace(0,1-1/N,N) + rand(1)/N;
T(N+1) = 1;
i=1;
j=1;
while (i<=N)if (T(i)<Q(j))indx(i)=j;i=i+1;elsej=j+1;        end
end

7.粒子滤波仿真完整代码下载

粒子滤波的重采样方法:四种重采样方法(Multinomial、Residual、Stratified和Systematic)的实…

8.参考网址:

粒子滤波 particle filter (PF) 的理论及实践(matlab版)
粒子滤波-从重要性采样(IS)到序列重要性采样(SIS)再到序列重要性重采样(SIR)

这篇关于目标跟踪系列-滤波-4.粒子滤波及重采样方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/285211

相关文章

C++变换迭代器使用方法小结

《C++变换迭代器使用方法小结》本文主要介绍了C++变换迭代器使用方法小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录1、源码2、代码解析代码解析:transform_iterator1. transform_iterat

C++中std::distance使用方法示例

《C++中std::distance使用方法示例》std::distance是C++标准库中的一个函数,用于计算两个迭代器之间的距离,本文主要介绍了C++中std::distance使用方法示例,具... 目录语法使用方式解释示例输出:其他说明:总结std::distance&n编程bsp;是 C++ 标准

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

SpringBoot实现数据库读写分离的3种方法小结

《SpringBoot实现数据库读写分离的3种方法小结》为了提高系统的读写性能和可用性,读写分离是一种经典的数据库架构模式,在SpringBoot应用中,有多种方式可以实现数据库读写分离,本文将介绍三... 目录一、数据库读写分离概述二、方案一:基于AbstractRoutingDataSource实现动态

Java中的String.valueOf()和toString()方法区别小结

《Java中的String.valueOf()和toString()方法区别小结》字符串操作是开发者日常编程任务中不可或缺的一部分,转换为字符串是一种常见需求,其中最常见的就是String.value... 目录String.valueOf()方法方法定义方法实现使用示例使用场景toString()方法方法

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

macOS无效Launchpad图标轻松删除的4 种实用方法

《macOS无效Launchpad图标轻松删除的4种实用方法》mac中不在appstore上下载的应用经常在删除后它的图标还残留在launchpad中,并且长按图标也不会出现删除符号,下面解决这个问... 在 MACOS 上,Launchpad(也就是「启动台」)是一个便捷的 App 启动工具。但有时候,应

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

mysql出现ERROR 2003 (HY000): Can‘t connect to MySQL server on ‘localhost‘ (10061)的解决方法

《mysql出现ERROR2003(HY000):Can‘tconnecttoMySQLserveron‘localhost‘(10061)的解决方法》本文主要介绍了mysql出现... 目录前言:第一步:第二步:第三步:总结:前言:当你想通过命令窗口想打开mysql时候发现提http://www.cpp