CAJ | 학술논문

拟蒙特卡罗粒子滤波算法(quasi-Monte-Carlo particle filter,QMC-PF)精度不高,运算复杂度大,难以满足雷达机动目标跟踪精确性和实时性需求.为此,提出一种基于BP神经网络的新型拟蒙特卡罗粒子滤波算法.该算法将大权重粒子通过QMC分裂采样产生低差异性的子代粒子,以此来替代低权重粒子,保证了样本的有效性和多样性；同时利用BP神经网络计算子代粒子的权重,提高了滤波的精度和速度；最后在不同的模型中进行仿真.实验结果表明,与QMC-PF相比,所提出的算法提高了精度和运算速度,适用于雷达机动目标的跟踪.
의몽특잡라입자려파산법(quasi-Monte-Carlo particle filter,QMC-PF)정도불고,운산복잡도대,난이만족뢰체궤동목표근종정학성화실시성수구.위차,제출일충기우BP신경망락적신형의몽특잡라입자려파산법.해산법장대권중입자통과QMC분렬채양산생저차이성적자대입자,이차래체대저권중입자,보증료양본적유효성화다양성；동시이용BP신경망락계산자대입자적권중,제고료려파적정도화속도；최후재불동적모형중진행방진.실험결과표명,여QMC-PF상비,소제출적산법제고료정도화운산속도,괄용우뢰체궤동목표적근종.