高斯-厄米特粒子滤波器

• 作者: 袁泽剑 贾新春 郑南宁
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 状态估计 粒子滤波器 高斯-厄米特滤波 序贯重要性抽样 重要性概率密度函数
• 年，卷（期）: 2003,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 970-973
• 页数: 4页
• 分类号: TP391
• 字数: 3821字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2003.07.003

摘要

针对非线性、非高斯系统状态的在线估计问题,本文提出一种新的基于序贯重要性抽样的粒子滤波算法.在滤波算法中,我们用一簇高斯-厄米特滤波器(GHF)来产生重要性概率密度函数.此概率密度在系统状态的转移概率的基础上融入最新的观测数据,因此更接近于系统状态的后验概率.理论分析与实验结果表明:在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时,用GHF产生重要性概率密度函数的粒子滤波即高斯-厄米特粒子滤波(GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑南宁	西安交通大学人工智能与机器人研究所	188	3039	29.0	46.0
2	袁泽剑	西安交通大学人工智能与机器人研究所	19	758	10.0	19.0
3	贾新春	西安交通大学人工智能与机器人研究所	12	483	9.0	12.0