多策略鲸鱼算法优化粒子滤波的SLAM精度研究

TP242; 针对传统粒子滤波算法重采样导致粒子贫乏,需增加粒子数以提高估计精度,提出一种基于多策略鲸鱼算法优化的粒子重组粒子滤波算法.首先,通过鲸鱼算法的气泡网捕食机制,使最优粒子引导粒子集向高似然区域移动,提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于设置的随机搜索阈值时,引入Levy飞行策略,扩大搜索空间,当其大于最大密度值时,自适应调整迭代次数;最后,在重采样阶段,将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性.通过仿真实验改进算法在SLAM中的性能,结果表明:该算法与标准算法相比,其位姿与路标估计精度更高,鲁棒性更佳.