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

Java 方法重载Overload常见误区及注意事项

《Java方法重载Overload常见误区及注意事项》Java方法重载允许同一类中同名方法通过参数类型、数量、顺序差异实现功能扩展,提升代码灵活性,核心条件为参数列表不同,不涉及返回类型、访问修饰符... 目录Java 方法重载(Overload)详解一、方法重载的核心条件二、构成方法重载的具体情况三、不构

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Spring Boot中WebSocket常用使用方法详解

《SpringBoot中WebSocket常用使用方法详解》本文从WebSocket的基础概念出发,详细介绍了SpringBoot集成WebSocket的步骤,并重点讲解了常用的使用方法,包括简单消... 目录一、WebSocket基础概念1.1 什么是WebSocket1.2 WebSocket与HTTP

SQL Server配置管理器无法打开的四种解决方法

《SQLServer配置管理器无法打开的四种解决方法》本文总结了SQLServer配置管理器无法打开的四种解决方法,文中通过图文示例介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录方法一:桌面图标进入方法二:运行窗口进入检查版本号对照表php方法三:查找文件路径方法四:检查 S

MyBatis-Plus 中 nested() 与 and() 方法详解(最佳实践场景)

《MyBatis-Plus中nested()与and()方法详解(最佳实践场景)》在MyBatis-Plus的条件构造器中,nested()和and()都是用于构建复杂查询条件的关键方法,但... 目录MyBATis-Plus 中nested()与and()方法详解一、核心区别对比二、方法详解1.and()