TY - Jour A2 - Lu，Bingxian Au - Liu，Zhigang Au - Shang，Jin Au - Hua，Xufen Py - 2020 DA - 2020/06/20 Ti-Smart City Travel基于量子遗传和粒子过滤器SP的智能城市移动目标跟踪算法 -8865298 VL - 2020 AB - 在智能城市移动目标跟踪的应用，粒子过滤器技术具有处理非线性和非高斯问题的优势，但是当标准粒子过滤器使用重采样方法来解决降级现象时，简单地复制粒子会导致局部优化困难，导致过滤精度不稳定。本文提出了一种与量子遗传算法（QGA）结合的粒子滤波算法来解决上述问题。旨在颗粒滤波器颗粒耗尽的问题，该算法采用组合进化算法的方法。颗粒过滤器中的每种颗粒被认为是遗传算法中的染色体，并且每种染色体的适应性对应于颗粒的重量。对于重量的每个颗粒状态，粒子是用Qubit和量子叠加状态编码的第一二进制编码，然后量子旋转门用于选择，交叉，突变和其他操作，在设定的迭代次数之后，最终粒子设置准确性和更好的多样性。在本文中，滤波器状态估计和RMSF N = 50. 和 N = 100. 对于非线性目标跟踪和非线性目标跟踪下的时间常数模型中实状态和状态估计轨迹的比较。可以看出，在非线性状态下，量子遗传和粒子滤波器（QGPF）算法可以实现更高的状态估计精度，并且每次QGPF算法的滤波误差相对均匀，这表明了本文中的算法具有更好的算法稳定性。在时间常数模型下，该算法适合真实状态并实现稳定和准确的跟踪。SN - 1530-8669 UR - https://doi.org/10.1155/2020/8865298 Do - 10.1155/2020 / 8865298 JF - 无线通信和移动计算PB - Hindawi KW - ER -