基于分层转移的粒子滤波MCMC重采样算法

针对粒子滤波中如何设计重采样策略以解决“权值蜕化”, 同时又可避免“样本贫化” 的问题, 提出一 种基于分层转移的Monte Carlo Markov 链(MCMC) 重采样算法. 当样本容量检测出现“蜕化” 时, 将样本集按权值 蜕化程度进行分层, 利用提出的变异繁殖算法, 将其与PSO 融合产生MCMC转移核, 并施以分层子集; 然后通过 Metroplis-Hastings 算法进行接收-拒绝采样, 由此构建的Markov 链可收敛到与目标真实后验等价的平稳分布. 数值 仿真结果表明, 所提出的算法能以更快的收敛速度和更小的估计误差贴近目标真