粒子濾波算法改進與其應用研究.pdf

1、面對日益復雜化的現(xiàn)代系統(tǒng)，傳統(tǒng)對非線性系統(tǒng)狀態(tài)進行濾波估計的算法很再難以滿足一些實際應用中的復雜要求，因此國內(nèi)外的眾多學者逐漸將研究目光轉(zhuǎn)向如何提高非線性狀態(tài)系統(tǒng)的濾波精度。粒子濾波是近些年來日漸興起的能廣泛適用于非線性非高斯系統(tǒng)的新型算法，它可以在不受系統(tǒng)模型與噪聲分布束縛的條件下更完美地完成濾波任務要求，其在故障診斷與分析、視覺跟蹤、通信、統(tǒng)計信號處理、自動控制等多個領域的應用都能發(fā)揮特殊的優(yōu)勢，故而粒子濾波具有巨大的研究發(fā)展?jié)摿Α?/p>

2、
　　目前，粒子濾波算法還有待完善，本文基于粒子濾波算法的理論知識，針對常規(guī)粒子濾波易見的粒子退化與貧化現(xiàn)象提出一種基于引力場優(yōu)化思想改進的粒子濾波算法，并將改進的粒子濾波算法應用于解決移動機器人同時定位與地圖構(gòu)建問題中，達到拓展其應用范圍的目的。論文的主要工作具體如下：
　　首先簡單敘述遞推貝葉斯估計理論和蒙特卡羅模擬理論的基本知識要點，繼而在此基礎上遞推出常規(guī)的粒子濾波算法的整個運算流程。最后在Matlab仿真平臺上將粒

3、子濾波算法與經(jīng)典卡爾曼濾波算法、無跡卡爾曼濾波算法進行對比，證明在處理非線性問題上標準粒子濾波算法的濾波性能比其他傳統(tǒng)濾波算法優(yōu)越，的確具有研究潛力。
　　其次針對標準粒子濾波中粒子退化與貧化問題，提出了一種基于引力場的粒子濾波算法(GFA-PF)。GFA-PF算法的核心是：引入引力場優(yōu)化思想來改進粒子濾波的重采樣過程，引力場算法中的移動因子能使樣本采樣粒子更快速地集中在真實值附近，同時由于自轉(zhuǎn)因子的存在又能夠使過度集中在真實狀態(tài)

4、周圍的粒子隨機遠離，這使得粒子在避免過份集中的同時又增加了粒子多樣性。最后通過在非高斯模型和UNGM兩種典型非線性模型下的仿真結(jié)果，分析證明了GFA-PF無論在估計精度、收斂時間還是魯棒性方面，其性能均優(yōu)于APO-PF和EM-PF。
　　然后基于粒子濾波的體系之下，把GFA-PF的應用范圍擴展到移動機器人SLAM研究中，從而提出一種基于引力場優(yōu)化的FastSLAM2.0算法。該算法通過將GFA-PF替換在FastSLAM2.0算法