基于最优采样函数的粒子滤波算法与贝叶斯估计

• 作者: 万建伟 占荣辉 辛勤
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 粒子滤波器 最优采样函数 非线性滤波 状态估计 马尔科夫链蒙特卡洛
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 算法研究
• 页码范围: 259-263
• 页数: 5页
• 分类号: TN91
• 字数: 4962字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2008.02.022

摘要

传统粒子滤波器(PF)直接根据状态演化方程产生新的粒子,由于没有考虑新近观测对状态估计的影响,这种滤波器性能较差,即便在粒子数目很大的情况也是如此.为此,本文提出一种基于序贯重要采样(SIS)的改进粒子滤波算法,该算法采用集成了新近观测量的最优采样(或重要密度)函数指导粒子的生成,使粒子权值的方差最小化,能有效减轻粒子退化问题;同时,在粒子重采样之后增加了马尔科夫链蒙特卡洛(MCMC)过程,消除了重采样引起的粒子贫化的负面影响,从而使粒子的多样性得以保持.对非线性系统的状态估计和只测角跟踪的仿真实例均表明,本文所提出的算法比传统估计算法如EKF,UKF具有更高的精度和更强的鲁棒性;与标准PF相比,其性能也有较大的提高,并可以在相同的估计精度下大大减少所需的粒子数目,是一种有效的非线性滤波算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万建伟	国防科学技术大学电子科学与工程学院	34	268	9.0	15.0
2	占荣辉	国防科学技术大学电子科学与工程学院	11	137	6.0	11.0
3	辛勤	国防科学技术大学电子科学与工程学院	5	20	3.0	4.0