Resumen

En la aplicación del seguimiento de objetivos móviles en ciudades inteligentes, la tecnología de filtro de partículas tiene la ventaja de tratar con problemas no lineales y no gaussianos, pero cuando el filtro de partículas estándar utiliza el método de re-muestreo para resolver el fenómeno de degradación, simplemente copiar las partículas causará dificultades de optimización local, lo que resulta en una precisión de filtrado inestable. En este artículo, se propone un algoritmo de filtro de partículas combinado con un algoritmo genético cuántico (QGA) para resolver los problemas mencionados. Para abordar el problema de agotamiento de partículas en el filtro de partículas, el algoritmo adopta el método de combinar un algoritmo evolutivo. Cada partícula en el filtro de partículas se considera como un cromosoma en el algoritmo genético, y la aptitud de cada cromosoma corresponde al peso de la partícula. Para cada estado de partícula con peso, la partícula se codifica primero

• Materias:Redes de radio Sistemas de información Comunicaciones inalámbricas Cifrado de bloques
• Subjects:Radio Networks Information systems Wireless communications Block ciphers
• Palabras claves:Filtro de partículas; Algoritmo genético cuántico; Seguimiento de objetivo no lineal; Precisión; Estabilidad; Estimación de estado
• Keywords:Particle filter; Quantum genetic algorithm; Nonlinear target tracking; Accuracy; Stability; State estimation