粒子滤波器(PF)是一种灵活,功能强大的顺序蒙特卡洛技术,旨在数值求解最优非线性参数估计,将通用PF应用于模型切换动态系统时,粒子会发生降解。 为了避免这种现象,提出了一种基于蚁群随机决策的粒子滤波器,通过将概率粒子分为两个模型运算来封装模型切换信息,然后引入定义良好的重采样方案,以与真实密度函数更好地重叠。 为了显示与通用PF的理论一致性,还给出了其基本收敛结果。 最后,我们将本文提出的算法与其他估计器(例如PF和运动蚂蚁估计器)的性能进行了比较,仿真结果证明了其在切换动态系统中参数估计的出色鲁棒性。
