(19)中华人民共和国国家知识产权局
(12)发明专利说明书 | ||
(10)申请公布号 CN 105891865 A (43)申请公布日 2016.08.24 | ||
(21)申请号 CN201610183613.2
(22)申请日 2016.03.28
(71)申请人 南京工程学院
地址 211167 江苏省南京市江宁科学园弘景大道1号
(72)发明人 戴慧 刘伟伟
(74)专利代理机构 南京纵横知识产权代理有限公司
代理人 董建林
(51)Int.CI
权利要求说明书 说明书 幅图 |
(54)发明名称
基于马尔科夫链蒙特卡洛粒子滤波定位方法 | |
(57)摘要
本发明公开了一种基于马尔科夫链蒙特卡洛粒子滤波定位方法，其特征在于：包括以下步骤，1、初始化；2、粒子重要性采样；3、计算权值；4、重采样；5、相关性判断；6、引入MCMC移动步骤；7、进入下一时刻。本发明通过分析两次滤波之间的相关性，来判断粒子是否集中；通过在粒子率重要性采样阶段融入云端观测数据，以减少所需的粒子数；通过马尔科夫蒙特卡洛移动处理降低粒子的匮乏效应。本发明建立马尔科夫链蒙特卡洛粒子滤波定位机制，使得云端监控数据与地图等进行匹配，实现智慧停车。 | |
法律状态
法律状态公告日 | 法律状态信息 | 法律状态 |
权 利 要 求 说 明 书
1.基于马尔科夫链蒙特卡洛粒子滤波定位方法，其特征在于：包括以下步骤，
步骤1，取时刻k＝1；
步骤2，从概率密度函数p(x<sub>k</sub>)中抽取一组初始粒子
为k时刻从概率密度函数中抽取的第i个粒子，i∈[1,N]；
步骤3，k＝k+1；
步骤4，粒子重要性采样为
<maths><math><mrow><msubsup><mi>x</mi><mi>k</mi><mi>i</mi></msubsup><mo>~</mo><mi>q</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>k</mi></msub><mo>|</mo><msubsup><mi>x</mi><mrow><mn>1</mn><mo>:</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>,</mo><msub><mi>z</mi><mrow><mn>1</mn><mo>:</mo><mi>k</mi></mrow></msub><mo>)</mo></mrow></mrow></math></maths>
其中，q(·)为重要性概率密度函数，当k＝2时，当k＞2时，z<sub>1:k</sub>＝{z<sub>1</sub>,z<sub>2</sub>,…,z<sub>k</sub>}是到时刻k的测量集合，z<sub>k</sub>为时刻k时得到的测量值；
步骤5，计算权值，
<maths><math><mrow><msubsup><mi>ω</mi><mi>k</mi><mi>i</mi></msubsup><mo>=</mo><msubsup><mi>ω</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mfrac><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>z</mi><mi>k</mi></msub><mo>|</mo><msubsup><mi>x</mi><mi>k</mi><mi>i</mi
></msubsup><mo>)</mo></mrow><mi>p</mi><mrow><mo>(</mo><msubsup><mi>x</mi><mi>k</mi><mi>i</mi></msubsup><mo>|</mo><msubsup><mi>x</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>)</mo></mrow></mrow><mrow><mi>q</mi><mrow><mo>(</mo><msubsup><mi>x</mi><mi>k</mi><mi>i</mi></msubsup><mo>|</mo><msubsup><mi>x</mi><mrow><mn>0</mn><mo>:</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>,</mo><msub><mi>z</mi><mrow><mn>1</mn><mo>:</mo><mi>k</mi></mrow></msub><mo>)</mo></mrow></mrow></mfrac></mrow></math></maths>
其中，分别为的权值，p(·|·)为概率密度函数；
步骤6，归一化权值
其中，j∈[1,N]；
步骤7，重采样；
定义一个阈值d，当粒子的归一化权值小于d时，除去该粒子，当粒子的归一化权值大于d时，复制该粒子，重新采用得到N个近似服从分布 的样本重新设定粒子的权值为
步骤8，判断时刻k是否为2，如果是，转至步骤10，否则，转至步骤9；
步骤9，将相邻时刻的两组重采样粒子进行比较，获得两组重采样粒子的相关性，如果两组重采样粒子的相关性强，则结束；否则转至步骤10；
步骤10，引入MCMC移动步骤，得到后验概率为
其中，δ(·)为狄拉克函数；
步骤11，k＝k+1，转至步骤4。
2.根据权利要求1所述的基于马尔科夫链蒙特卡洛粒子滤波定位方法，其特征在于：相邻时刻的两组重采样粒子进行比较的过程为，
A1)分析两组重采样粒子；
定义X＝[p(X<sub>k-1</sub>|z<sub>k-1</sub>),p(X<sub>k</sub>|z<sub>k</sub>)]<sup>T</sup>，其中，X<sub>k</sub>为k时刻的一组重采样粒子，X<sub>k-1</sub>为k-1时刻的一组重采样粒子；
A2)假设与之间的相关系数为ρ，则X服从复高斯分布，即：正则化粒子滤波
<maths><math><mrow><mi>f</mi><mrow><mo>(</mo><mi>X</mi><mo>|</mo><mi>ρ</mi><mo>)</mo></mrow><mo>=</mo><munderover><mo>Π</mo><mrow><mi>q</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mfrac><mn>1</mn><mrow><msup><mi>π</mi><mn>2</mn></msup><mi>det</mi><mrow><mo>(</mo><mi>C</mi><mo>)</mo></mrow></mrow></mfrac><mi>exp</mi><mo>[</mo><mo>-</mo><msup><mrow><mo>(</mo><mi>X</mi><mo>-</mo><mi>μ</mi><mo>)</mo></mrow><mi>H</mi></msup><msup><mi>C</mi><mrow><mo>-</mo><mn>1</mn></mrow></msup><mrow><mo>(</mo><mi>X</mi><mo>-</mo><mi>μ</mi><mo>)</mo></mrow><mo>]</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math></maths>
其中，
<maths><math><mrow><mi>C</mi><mo>=</mo><mfenced><mtable><mtr><mtd><msubsup><mi>σ</mi><mn>1</mn><mn>2</mn></msubsup></mtd><mtd><mrow><msub><mi>ρσ</mi><mn>1</mn></msub><msub><mi>σ</mi><mn>2</mn></msub></mrow></mtd></mtr><mtr><mtd><mrow><msub><mi>ρσ</mi><mn>1</mn></msub><msub><mi>σ</mi><mn>2</mn></msub></mrow></mtd><mtd><msubsup><mi>σ</mi><mn>2</mn><mn>2</mn></msubsup></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math></maths>
<maths><math><mrow><mi>det</mi><mrow><mo>(</mo><mi>C</mi><mo>)</mo></mrow><mo>=</mo><msubsup><mi>σ</mi><mn>1</mn><mn>2</mn></msubsup><msubsup><mi>σ</mi><mn>2</mn><mn>2</mn></msubsup><mrow><mo>(</mo><mn>1</mn><mo>-</mo><msup><mi>ρ</mi><mn>2</mn></msup><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow></math></maths>
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论