基于蚁群随机决策的粒子滤波及其收敛性

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。