-
题名基于最优采样函数的粒子滤波算法与贝叶斯估计
被引量：4
- 1
-
-
作者
占荣辉
辛勤
万建伟
-
机构
国防科学技术大学电子科学与工程学院
-
出处
《信号处理》
CSCD
北大核心
2008年第2期259-263,共5页
-
文摘
传统粒子滤波器(PF)直接根据状态演化方程产生新的粒子,由于没有考虑新近观测对状态估计的影响,这种滤波器性能较差,即便在粒子数目很大的情况也是如此。为此,本文提出一种基于序贯重要采样(SIS)的改进粒子滤波算法,该算法采用集成了新近观测量的最优采样(或重要密度)函数指导粒子的生成,使粒子权值的方差最小化,能有效减轻粒子退化问题;同时。在粒子重采样之后增加了马尔科夫链蒙特卡洛(MCMC)过程,消除了重采样引起的粒子贫化的负面影响,从而使粒子的多样性得以保持。对非线性系统的状态估计和只测角跟踪的仿真实例均表明,本文所提出的算法比传统估计算法如EKF,UKF具有更高的精度和更强的鲁棒性;与标准PF相比,其性能也有较大的提高,并可以在相同的估计精度下大大减少所需的粒子数目,是一种有效的非线性滤波算法。
-
关键词
粒子滤波器
最优采样函数
非线性滤波
状态估计
马尔科夫链蒙特卡洛
-
Keywords
particle filter
optimal important density function
nonlinear filtering
state estimation
MCMC
-
分类号
TP13
[自动化与计算机技术—控制理论与控制工程]
TP332.3
[自动化与计算机技术—计算机系统结构]
-
