《表2 估计稳定性对比Tab.2 Comparison of estimation constancy》

《表2 估计稳定性对比Tab.2 Comparison of estimation constancy》   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
《基于果蝇优化算法改进的粒子滤波及其在目标跟踪中的应用》


  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

从图1~6可以看出,本文所提基于改进的果蝇优化算法的粒子滤波(FOA-PF),相较于标准PF以及GA-PF,状态预测曲线与实际状态相似程度最高,其估计值更接近真实值,这是因为FOA-PF在PF的基础上,通过对重要性采样后的粒子进行引入交叉、变异操作的果蝇迭代寻优,使粒子向高似然区域运动的同时,保证了样本多样性,从而提高粒子分布的合理性.表1、表2中数据为每种算法独立运行50次后的均方根误差平均值以及方差,从中可以看出,3种算法随着粒子数的增加,均方根误差以及方差大体上皆呈现减小的趋势,这与粒子滤波的粒子数越多则估计精度越高的理论是相符的.而在三种算法中,FOA-PF的均方根误差以及方差最低,且是唯一一个在粒子数为100时两者皆小于1的,当粒子数为50时,其误差值也比粒子数为100的PF算法低,与GA-PF也只有不到0.2的差距,说明FOA-PF能够用较少的粒子达到所需的精度.而均方根误差方差体现算法预测的稳定性,FOA-PF也是最低的,当粒子数越多时更为明显.综上分析,FOA-PF具有更好的估计精度以及稳定性.