将贝叶斯迁移学习融入粒子滤波用于噪声强度不对称的双跟踪系统

采用贝叶斯迁移学习方法，我们开发了一种用于双跟踪系统中非线性动力学模型的粒子滤波跟踪算法。该系统中两个传感器的测量噪声强度呈不对称分布。通过将贝叶斯迁移学习的密度近似为加权粒子之和的形式，提高了主要传感器（其噪声强度高于源传感器）的跟踪性能。我们展示的仿真结果表明，所提出的方法相较于孤立式粒子滤波，以及应用于无签名卡尔曼滤波和圆形卡尔曼滤波的迁移学习，效果更为有效。此外，随着粒子数量的增加，应用粒子滤波的迁移学习性能提升的幅度高于孤立式粒子滤波，但粒子数量的增加会导致每个步骤的计算时间增加。此外，集成贝叶斯迁移学习带来的性能提升约与双跟踪系统中两个传感器噪声强度差值的绝对值成线性比例关系。