鸡群复苏与KLD自适应抽样在粒子滤波中的相互作用
机器学习
2026-04-10 v2 信号处理
摘要
粒子滤波（PF）常与鸡群优化（CSO）等群体智能算法结合用于粒子复苏。然而，基于Kullback--Leibler 发散（KLD）的自适应抽样与基于群体智能的复苏核之间的理论相互作用尚未完全理解。本文针对这一特定相互作用进行了研究。在简化的建模框架下，我们分析了CSO复苏步骤对粒子集合分布的影响。我们提出，CSO中具有适应性的更新可近似为均方收缩。这一收缩倾向于产生比基线粒子滤波更集中的数据分布，从数学上说，即在majorization意义上更“尖锐”。通过对KLD抽样中预期库位数的凹函数应用卡拉马塔不等式，我们的分析表明，在所述假设条件下，增强型CSO粒子滤波（CPF）预计所需的平均粒子数低于标准粒子滤波，以满足相同的统计误差界限。本研究的目标并非提供完全通用的证明，而是提供一个可处理的理论框架，以帮助解释组合这些技术时观察到的计算效率，并为设计更高效的自适应滤波器提供起点。
引用
@article{arxiv.2511.12222,
title = {On the Interaction Between Chicken Swarm Rejuvenation and KLD-Adaptive Sampling in Particle Filters},
author = {Hangshuo Tian},
journal= {arXiv preprint arXiv:2511.12222},
year = {2026}
}