《表1 平均状态估计误差：基于GPU并行优化的BBPSO-PF算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GPU并行优化的BBPSO-PF算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用BBPSO算法对PF算法的重采样环节进行优化，在保证算法精度的前提下提高算法实时性．通过与随机重采样（random resampling，RAR）、多项式重采样（multinomial resampling，MR）、系统重采样（systematic resampling，SR）和残差重采样（re‐sidual resampling，RR）方法的状态估计精度进行对比，状态估计误差如表1所示．从表中数据可以看出：BBPSO-PF算法的状态估计误差低于其他重采样方法，表明BBPSO算法优化PF算法提高了算法的精度．在不同粒子数的情况下，对BBPSO-PF算法和文献[18]、文献[19]的重采样方法进行串行时间的测试，结果如图9所示，可以看出：BBPSO-PF算法的实时性介于文献[18]和文献[19]的算法，原因在于BBPSO算法与PF算法的结合增加了算法的复杂度．