粒子流濾波算法與應用.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致“粒子貧化”現(xiàn)象，使得算法估計精度降低，計算復雜度增加。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現(xiàn)了貝葉斯估計，提高了估計精度，降低了計算復雜度，因此粒子流濾波算法將具有重要的理論意義和應用價值。
　　本文主要研究粒子流濾波算法與應用。
　　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現(xiàn)方式：準無旋近似法、參量近似法

2、和弱解形式法，為算法后續(xù)的應用打下理論基礎。
　　其次，研究了基于粒子流濾波的OFDM時變信道估計方法。傳統(tǒng)的基于粒子濾波的OFDM時變信道估計算法能夠取得較好的估計性能，但是由于算法本身的“粒子貧化”現(xiàn)象，將影響時變信道的估計性能。針對上述問題，本文提出了一種基于粒子流濾波的OFDM時變信道估計算法。該算法用粒子流取代重采樣，通過建立微分方程實現(xiàn)貝葉斯估計，采用粒子流將狀態(tài)空間中的先驗粒子平滑移動到后驗分布上，實現(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信道估計算法相比，估計精度更高，算法計算復雜度更低，對環(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)估計方法。粒子濾波算法可以較好估計強非線性系統(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)增加導致的計算復雜度較高等問題。本文針對由線性狀態(tài)方程和非線性測量方程組成

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結(jié)果，然后應用卡爾曼濾波對粗估計結(jié)果進一步濾波得到最終估計結(jié)果，粒子流濾波采用參量近似法實現(xiàn)。仿真結(jié)果表明：該算法估計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，計算復雜度和普通粒子流濾波算法相當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盲分離算法。為了提高基于粒子