粒子濾波改進(jìn)算法研究與應(yīng)用.pdf

1、隨著模型復(fù)雜性的增強(qiáng)和對濾波精度需求的不斷提高，在有些應(yīng)用中傳統(tǒng)的非線性濾波方法已不能滿足要求。粒子濾波作為一種新型的非線性濾波方法，以其處理非線性、非高斯動態(tài)系統(tǒng)濾波問題的優(yōu)良特性受到廣泛地關(guān)注。它面向更為復(fù)雜的非線性模型且無需對狀態(tài)分布作任何假設(shè)，更符合實(shí)際濾波任務(wù)的要求。然而，粒子濾波在快速發(fā)展的過程中也遇到了一些有待解決的問題。因此，改進(jìn)和完善粒子濾波方法具有重要的理論意義和實(shí)際的工程價(jià)值。本文結(jié)合統(tǒng)計(jì)學(xué)習(xí)理論的新方法，針對粒子

2、濾波算法和應(yīng)用中的問題進(jìn)行了深入研究，主要的研究內(nèi)容包括以下幾個(gè)方面：
　　首先，針對非線性動態(tài)系統(tǒng)濾波的基本問題，在遞推貝葉斯估計(jì)理論的統(tǒng)一框架下深入研究了三類具有代表性的非線性濾波方法：擴(kuò)展卡爾曼濾波、Unscented卡爾曼濾波和粒子濾波。分析和比較了各方法的適用條件、優(yōu)點(diǎn)和不足，并著重討論了粒子濾波的基本原理、算法步驟、粒子退化和貧化問題、收斂性理論，為后續(xù)研究奠定了基礎(chǔ)。
　　其次，研究了如何從概率密度估計(jì)角度解決

3、粒子的退化和貧化問題。從具有不適定性的概率密度估計(jì)問題的數(shù)學(xué)描述出發(fā)，提出了支持向量機(jī)概率密度估計(jì)粒子濾波算法基本思想，采用支持向量機(jī)概率密度估計(jì)方法建立粒子后驗(yàn)分布模型并進(jìn)行重采樣，克服粒子的退化。通過線性規(guī)劃方式進(jìn)一步提高了算法的計(jì)算效率，并討論了該方法的多維狀態(tài)擴(kuò)展問題。另外，針對弱觀測噪聲環(huán)境下粒子退化現(xiàn)象更為嚴(yán)重的問題，提出了一種基于支持向量機(jī)重采樣的似然粒子濾波算法，該算法使用似然函數(shù)作為提議分布，融入了最新的觀測信息，并且

4、可以有效避免粒子退化，增強(qiáng)粒子的多樣性，從而提高了狀態(tài)估計(jì)精度。仿真結(jié)果驗(yàn)證了上述算法的可行性和有效性。
　　再次，從函數(shù)回歸估計(jì)角度研究了解決粒子退化和貧化的問題。利用粒子濾波過程中的粒子及其權(quán)值，建立對應(yīng)的回歸估計(jì)模型對權(quán)值進(jìn)行調(diào)整，來克服粒子的退化并增加多樣性。為了避免求解二次優(yōu)化問題，分別采用了平均場理論和等式約束方式對優(yōu)化問題進(jìn)行了改進(jìn)，提出了基于平均場支持向量回歸機(jī)的粒子濾波算法和基于最小二乘支持向量回歸機(jī)的粒子濾波算

5、法，通過仿真并與現(xiàn)有方法的比較，驗(yàn)證了算法的優(yōu)越性。另外，還進(jìn)一步研究了最小二乘支持向量回歸機(jī)針對大規(guī)模數(shù)據(jù)集的處理方法。
　　然后，研究了提高粒子濾波實(shí)時(shí)性的方法。根據(jù)近似支持向量機(jī)分類算法的原理，將其擴(kuò)展到回歸估計(jì)問題中，采用直接求解法推導(dǎo)了近似支持向量回歸機(jī)線性、非線性、大規(guī)模數(shù)據(jù)集算法，并與最小二乘支持向量回歸機(jī)進(jìn)行了比較。在此基礎(chǔ)上，以估計(jì)窗實(shí)時(shí)粒子濾波算法為基本框架，提出了采用近似支持向量回歸機(jī)融合估計(jì)窗內(nèi)子粒子集濾波

6、結(jié)果的實(shí)時(shí)粒子濾波改進(jìn)算法，減小了計(jì)算復(fù)雜度，進(jìn)一步增強(qiáng)了算法的實(shí)時(shí)性。通過對一個(gè)純角度目標(biāo)跟蹤的仿真，驗(yàn)證了算法的可行性和有效性。
　　最后，研究了基于多模型的粒子濾波方法及其在機(jī)動目標(biāo)跟蹤中的應(yīng)用問題。根據(jù)遞推貝葉斯估計(jì)理論推導(dǎo)了交互多模型粒子濾波的基本算法，并給出了采用高斯近似方式的實(shí)用算法。在分析了機(jī)動目標(biāo)基本運(yùn)動模型的基礎(chǔ)上，利用粒子濾波作為模型匹配濾波器，解決了非線性觀測方程難以直接應(yīng)用的問題。采用多普勒測量信息估計(jì)目