基于分层采样粒子滤波的麦克风阵列说话人跟踪方法.pdf

通过对粒子滤波算法中建议分布与重采样2种改进技术分析,提出了一种粒子滤波自适应优化算法.首先,基于退火参数自适应优化混合建议分布,以改进建议分布的采样范围.然后,在基于有效样本大小的自适应重采样技术之上,借助另一多样性测度即种群多样性因子来自适应调整重采样阈值,而且,样本变异操作在重采样之后被引入确保样本的多样性.同时,结合部分分层重采样算法研究并进行改进,改进的部分分层重采样算法具有原算法执行快时间短的优点,同时结合权重优化的思想改进重采样的样本权重计算.通过仿真实验,粒子滤波自适应优化算法的

针对粒子滤波中如何设计重采样策略以解决“权值蜕化”, 同时又可避免“样本贫化” 的问题, 提出一 种基于分层转移的Monte Carlo Markov 链(MCMC) 重采样算法. 当样本容量检测出现“蜕化” 时, 将样本集按权值 蜕化程度进行分层, 利用提出的变异繁殖算法, 将其与PSO 融合产生MCMC转移核, 并施以分层子集; 然后通过 Metroplis-Hastings 算法进行接收-拒绝采样, 由此构建的Markov 链可收敛到与目标真实后验等价的平稳分布. 数值 仿真结果表