افزایش سازگاری فیلتر ذره ای با استفاده از روش های کلاسیک و الگوریتم اجتماع ذرات

فیلتر ذره ای یکی از مهمترین فیلترها در تخمین سیستم های غیر خطی- غیر گوسی است. با وجود این، فیلتر ذره ای در طول زمان ناسازگار است. از آنجایی که انتخاب تابع توزیع پیشنهادی و روش نمونه برداری مجدد در بهبود دقت و سازگاری بسیار مهم است، دراین مقاله،افزایش سازگاری فیلتر ذره ای با بهبود نمونه برداری و نمونه برداری مجدد انجام شده است. برای بهینه سازی نمونه برداری، الگوریتم بهینه سازی اجتماع ذرات (PSO) بداخل گام نمونه برداری پر اهمیت داخل شده است. الگوریتم PSO موجب حرکت مجموعه نمونه ها به سمت ناحیه با احتمال بالای پسین قبل از نمونه برداری می شود و در نتیجه توزیع نمونه ها بهبود پیدا می کند. به منظور کاهش اثر نمونه برداری مجدد روی دقت و سازگاری، یک روش جدید نمونه برداری مجدد ارائه شده است. روش نمونه برداری جدید می تواند تنوع میان ذرات را حفظ کند و ذرات نمونه برداری مجدد شده را وادار کند که بطور مجانبی نمونه ها را از تابع چگالی احتمال پسین حالت های واقعی تقریب بزنند. امتیاز روش نمونه برداری مجدد پیشنهاد شده این است که هزینه محاسبات را کاهش می دهد. این بدان دلیل است که روش نمونه برداری مجدد پیشنهاد شده روی تنها بخشی از نمونه ها انجام می شود. اعتبار فیلتر پیشنهادی با استفاده از شبیه سازی مورد ارزیابی قرار گرفته است. نتایج نشان می دهند روش پیشنهادی دارای عملکرد بهتری نسبت به فیلتر های کلاسیک دارد.