粒子流濾波算法與應(yīng)用.pdf

1、傳統(tǒng)粒子濾波算法是一種基于序貫重要性采樣的蒙特卡羅方法，由于其中存在的重采樣過程將導(dǎo)致“粒子貧化”現(xiàn)象，使得算法估計(jì)精度降低，計(jì)算復(fù)雜度增加。與粒子濾波不同，粒子流濾波算法用粒子流的方式取代重采樣實(shí)現(xiàn)了貝葉斯估計(jì)，提高了估計(jì)精度，降低了計(jì)算復(fù)雜度，因此粒子流濾波算法將具有重要的理論意義和應(yīng)用價(jià)值。
　　本文主要研究粒子流濾波算法與應(yīng)用。
　　首先，介紹了粒子流濾波基本理論和三種不同粒子流濾波實(shí)現(xiàn)方式：準(zhǔn)無旋近似法、參量近似法

2、和弱解形式法，為算法后續(xù)的應(yīng)用打下理論基礎(chǔ)。
　　其次，研究了基于粒子流濾波的OFDM時(shí)變信道估計(jì)方法。傳統(tǒng)的基于粒子濾波的OFDM時(shí)變信道估計(jì)算法能夠取得較好的估計(jì)性能，但是由于算法本身的“粒子貧化”現(xiàn)象，將影響時(shí)變信道的估計(jì)性能。針對(duì)上述問題，本文提出了一種基于粒子流濾波的OFDM時(shí)變信道估計(jì)算法。該算法用粒子流取代重采樣，通過建立微分方程實(shí)現(xiàn)貝葉斯估計(jì)，采用粒子流將狀態(tài)空間中的先驗(yàn)粒子平滑移動(dòng)到后驗(yàn)分布上，實(shí)現(xiàn)了粒子更新并且

3、避免了“粒子貧化”，其中粒子流濾波采用參量近似法實(shí)現(xiàn)。仿真結(jié)果表明：該算法與傳統(tǒng)基于粒子濾波的OFDM信道估計(jì)算法相比，估計(jì)精度更高，算法計(jì)算復(fù)雜度更低，對(duì)環(huán)境噪聲具有較好的魯棒性。
　　然后，研究了基于混合粒子流濾波的非線性參數(shù)估計(jì)方法。粒子濾波算法可以較好估計(jì)強(qiáng)非線性系統(tǒng)模型，但是粒子濾波算法卻存在難以選取合適重要性分布函數(shù)、“粒子貧化”現(xiàn)象以及由粒子數(shù)增加導(dǎo)致的計(jì)算復(fù)雜度較高等問題。本文針對(duì)由線性狀態(tài)方程和非線性測(cè)量方程組成

4、的系統(tǒng)模型，提出了一種結(jié)合卡爾曼濾波和粒子流濾波的混合粒子流濾波算法，該方法首先利用粒子流濾波得到粗估計(jì)結(jié)果，然后應(yīng)用卡爾曼濾波對(duì)粗估計(jì)結(jié)果進(jìn)一步濾波得到最終估計(jì)結(jié)果，粒子流濾波采用參量近似法實(shí)現(xiàn)。仿真結(jié)果表明：該算法估計(jì)精度高于普通粒子流濾波算法、普通粒子濾波算法和混合粒子濾波算法，計(jì)算復(fù)雜度和普通粒子流濾波算法相當(dāng)且低于普通粒子濾波算法和混合粒子濾波算法。
　　最后，研究了基于粒子流濾波的單通道信號(hào)盲分離算法。為了提高基于粒子