文献类型：期刊文献

中文题名：非线性受扰观测序列的深度优化粒子滤波算法

英文题名：A Deep Improved Particle Filter for Non-linear Noisy Observation Series

作者：贾蒙[1]

第一作者：贾蒙

机构：[1]新乡学院机电工程学院

第一机构：新乡学院机电工程学院

年份：2013

卷号：30

期号：3

起止页码：469-474

中文期刊名：计算物理

外文期刊名：Chinese Journal of Computational Physics

收录：CSTPCD;;Scopus;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

基金：河南省重点科技攻关项目(112102210014);新乡市重点科技攻关项目(ZG11009)资助

语种：中文

中文关键词：非线性滤波;深度优化粒子滤波;权值分析;样本枯竭;权值退化

外文关键词：non-linear filtering; deep improved particle filtering; weight analyzing; sample degeneration; weight degeneracy

摘要：提出深度优化粒子滤波(DIPF:Deep Improved Particle Filtering)算法,从权值增长趋势和权值大小的综合比较进行样本的优化选择,通过对样本的统计分析确定样本的复制与裂变,虽然深度优化由于趋势判断增加了滤波时间,但是它克服了样本枯竭问题,提高了估计的精度.
We present a deep improved particle filtering theory which selects samples from comparison of both weight increasing trend and weight.It decides fission and reproduction of samples through statistic analysis of samples.Though approaches increase computing time for trend judging,computing accuracy is improved.