基于似然分布调整的粒子群优化粒子滤波新方法

　　传统基于粒子群优化的粒子滤波（PF）算法（PSOPF）在移动粒子向高似然区域移动的过程中，由于破坏了预测分布，当似然函数具有多峰时，其在具有大计算量的同时滤波性能并没有明显提升。针对该问题，提出了基于似然分布调整的粒子群优化粒子滤波新方法（ LA-PSOPF）。在保留预测分布的前提下，运用PSO算法调整似然分布，提高有效粒子数量，进而提高滤波性能；同时引入局部优化策略，缩减参与PSO优化的粒子群规模，从而减少运算量，达到滤波精度与速度的平衡。仿真结果表明，当量测误差较小，似然函数具有多峰值时，改进算法的滤波精度和稳定性都优于PF算法和PSOPF算法，同时运算时间少于PSOPF算法。