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

فیلتر ذره‌ای یکی از مهم‌ترین فیلترها در تخمین سیستم‌های غیرِخطی - غیرِگوسی است. با وجود این، فیلتر ذره‌ای در طول زمان ناسازگار است. ازآنجایی‌که انتخاب تابع توزیع پیشنهادی و روش نمونه‌برداری مجدد در بهبود دقت و سازگاری، بسیار مهم است، دراین مقاله، افزایش سازگاری فیلتر ذره‌ای با بهبود نمونه‌برداری و نمونه‌برداری مجدد انجام شده است. برای بهینه‌سازی نمونه‌برداری، الگوریتم بهینه‌سازی اجتماع ذرات (PSO) به داخل گام نمونه‌برداری پر اهمیت داخل شده است. الگوریتم PSO موجب حرکت مجموعه نمونه‌ها به سمت ناحیه با احتمال بالای پسین قبل از نمونه‌برداری می‌شود و درنتیجه توزیع نمونه‌ها بهبود پیدا می‌کند. به‌‌منظور کاهش اثر نمونه‌برداری مجدد روی دقت و سازگاری، روش جدید نمونه‌برداری مجدد ارائه شده است. روش نمونه‌برداری جدید می‌تواند تنوع میان ذرات را حفظ کند و ذرات نمونه‌برداریِ مجدد شده را وادار کند که به‌طور مجانبی نمونه‌ها را از تابع چگالی احتمال پسینِ حالت‌های واقعی تقریب بزنند. امتیاز روش نمونه‌برداری مجدد پیشنهادشده این است که هزینه محاسبات را کاهش می‌دهد. این بدان دلیل است که روش نمونه‌برداری مجددِ پیشنهادشده، تنها روی بخشی از نمونه‌ها انجام می‌شود. اعتبار فیلتر پیشنهادی با استفاده از شبیه‌سازی ارزیابی شده است. نتایج نشان می‌دهند روش پیشنهادی عملکرد بهتری نسبت به فیلترهای کلاسیک دارد.