改进的粒子滤波在含“开关”的资料同化中的应用

针对粒子滤波(PF)应用到含“开关”过程的资料同化时,在采样过程中次优的重要性函数,为了优化采样过程,将粒子群优化算法( PSO)融入PF中(称为PSOPF方法),并将其用于含“开关”过程的资料同化中.为了检验PSOPF的有效性,利用一个含“开关”的偏微分方程作为控制方程,分别从观测算子为线性和非线性、观测误差为高斯型的情形用PF方法和PSOPF方法进行了数值实验.结果显示,在观测误差为高斯噪声时,无论观测算子是线性的还是非线性的,基于PSOPF的同化方法质量明显好于基于PF方法的同化方法.     

改进的粒子群算法在求解条件非线性最优扰动的应用

通过对影响粒子群算法性能的两个关键因素进行改进,将一种改进的粒子群算法应用于条件非线性最优扰动(CNOP)的求解中,并与传统的基于梯度下降算法进行比较。比较数值结果显示,在非光滑情形下,传统的基于伴随模式提供梯度信息的SPG2求解出的CNOP绝大部分是局部的,只有少数是全局的。而改进的粒子群算法则在200次数值实验中均能够较好地求解出全局CNOP。     

结合PSO的PF用于雷达海杂波反演大气波导

在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter, RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF方法是在PF的每一个预测步骤后,把由预测步骤得到的所有粒子作为PSO的初始种群,并把粒子的重要性权重作为其对应的适应度函数值。为了检验PSOPF的可行性和有效性,对PF方法和PSOPF方法分别进行了大量的RFC理想数值试验,并对每次反演的精度进行了方差估计,对所有数值试验结果的方差进行了统计分析。结果显示,基于PSOPF的RFC质量和稳定性总体上明显好于基于PF方法的RFC。