粒子濾波及其在無(wú)線通信系統(tǒng)中的應(yīng)用.pdf

1、貝葉斯估計(jì)是一種處理一般濾波問(wèn)題常用的方法。實(shí)現(xiàn)貝葉斯估計(jì)關(guān)鍵是需要建立基于己獲信息的后驗(yàn)概率密度函數(shù)，因?yàn)樗藸顟B(tài)所有的統(tǒng)計(jì)信息。在線性系統(tǒng)中，狀態(tài)的后驗(yàn)概率密度函數(shù)可以通過(guò)解析表達(dá)式的有限次遞推得到。然而對(duì)于一般的非線性系統(tǒng)，這種解析表示式的遞推并不容易實(shí)現(xiàn)，而且通常存在多重積分的求解問(wèn)題。因此人們不得不采用一些次優(yōu)近似算法，常見(jiàn)的有：基于矩估計(jì)的擴(kuò)展卡爾曼濾波及其改進(jìn)算法、基于對(duì)概率密度函數(shù)近似的算法、基于網(wǎng)格的積分近似算法。

2、
　　 粒子濾波技術(shù)是貝葉斯估計(jì)基于抽樣理論的一種近似算法，通過(guò)非參數(shù)化的蒙特卡羅模擬方法來(lái)實(shí)現(xiàn)遞推貝葉斯濾波，即通過(guò)一組動(dòng)態(tài)狀態(tài)空間上按貝葉斯準(zhǔn)則進(jìn)行更新的隨機(jī)樣本或粒子，對(duì)未知狀態(tài)的后驗(yàn)概率密度進(jìn)行估計(jì)，其中這些粒子通過(guò)對(duì)后驗(yàn)密度序貫重要性抽樣得到，并分別對(duì)應(yīng)于一組權(quán)值。當(dāng)樣本容量很大時(shí)，這種蒙特卡羅描述就等價(jià)于真實(shí)的后驗(yàn)概率密度函數(shù)。
　　 本文主要研究了粒子濾波理論以及在無(wú)線通信系統(tǒng)中的應(yīng)用。包括重要性函數(shù)的選取

3、，重采樣算法，并針對(duì)基本粒子濾波的缺陷，研究了其改進(jìn)算法，并進(jìn)行了仿真。重要性函數(shù)的選取直接影響著粒子濾波算法的性能，選擇重要性概率密度函數(shù)的一個(gè)標(biāo)準(zhǔn)是使得粒子權(quán)值的方差最小。重采樣算法是針對(duì)重要性采樣算法存在的權(quán)值退化現(xiàn)象而提出的，目的是舍棄權(quán)值較小的粒子，代之以權(quán)值較大的粒子。在已有的重采樣算法的基礎(chǔ)上，提出了兩種改進(jìn)算法：排序殘差重采樣算法和系統(tǒng)殘差重采樣算法。仿真結(jié)果表明，改進(jìn)的重采樣算法在對(duì)狀態(tài)變量估計(jì)時(shí)相對(duì)偏差的均值、最值和