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

فیلتر ذره ای یکی از مهم ترین فیلترها در تخمین سیستم های غیرِخطی - غیرِگوسی است. با وجود این، فیلتر ذره ای در طول زمان ناسازگار است. ازآنجایی 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) به داخل 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 درنتیجه توزیع نمونه ها بهبود پیدا می کند. به منظور کاهش اثر نمونه برداری مجدد روی دقت و سازگاری، روش جدید نمونه برداری مجدد ارائه شده است. روش نمونه برداری جدید می تواند تنوع میان ذرات را حفظ کند و ذرات نمونه برداریِ مجدد شده را وادار کند که به طور مجانبی نمونه ها را از تابع چگالی احتمال پسینِ حالت های واقعی تقریب بزنند. امتیاز روش نمونه برداری مجدد پیشنهادشده این است که هزینه محاسبات را کاهش می دهد. این بدان دلیل است که روش نمونه برداری مجدد پیشنهادشده، تنها روی بخشی از نمونه ها انجام می شود. اعتبار فیلتر پیشنهادی با استفاده از شبیه سازی ارزیابی شده است. نتایج نشان می دهند روش پیشنهادی عملکرد بهتری نسبت به فیلترهای کلاسیک دارد.