粒子濾波算法研究及其在無線定位跟蹤中的應用.pdf

1、粒子濾波的應用領域極為廣泛,如定位跟蹤、語音和圖像處理、故障檢測等。雖然它已成為解決非線性非高斯問題的主流方法,但其仍然不夠成熟。比較典型的缺陷就是會出現(xiàn)粒子退化問題以及重采樣后粒子多樣性喪失問題。目前業(yè)界主要是從提議分布選擇以及重采樣算法改進兩個方面來對粒子濾波進行研究。本論文在對粒子濾波算法進行深入研究的基礎上,分別從這兩個方面入手提出改進意見。此外,探討了其在無線定位跟蹤場景中的應用。論文的主要內(nèi)容包括:
　　針對粒子退化問

2、題,從提議分布設計入手,考慮到粒子濾波尋求的是整個粒子集的優(yōu)化,利用修正后的人工魚群算法對提議分布進行優(yōu)化,得到 MAFSA-PF算法。該算法通過執(zhí)行修正人工魚行為,驅(qū)使粒子移向似然度值更高的區(qū)域。對于單變量非線性經(jīng)濟模型,在量測噪聲方差為10-5時,MAFSA-PF的濾波精度較UPF提高了83.3％,與PSOAI-PF濾波精度相當。另外,針對非線性系統(tǒng)中包含可分離高斯子系統(tǒng)的情況,借鑒邊緣粒子濾波的思想,分別采用MAFSA-PF以及卡

3、爾曼濾波對系統(tǒng)狀態(tài)的非線性、線性分量進行估計,得到 MF算法。對于二維雷達目標跟蹤模型, MF對應的位置誤差較邊緣粒子濾波下降了17.0％。
　　重采樣算法是粒子濾波的重要組成部分,本文在著重分析了系統(tǒng)重采樣算法中存在的不足后,然后給出解決方案。在采取有效的粒子取舍方案來保證中等權(quán)值粒子得以保留的基礎上,借鑒人工免疫算法思想,對粒子進行高斯變異,從而增加粒子多樣性。分別對基于該重采樣方案以及系統(tǒng)重采樣的粒子濾波算法PF-IR及PF

4、-Sys進行仿真,不同模型下的仿真結(jié)果驗證了經(jīng)由本論文給出的重采樣方案輸出的粒子更具多樣性及代表性。
　　以無線傳感器反應網(wǎng)絡中的移動節(jié)點跟蹤為背景,將交互式多模型算法與PF-IR相結(jié)合,得到IMM-PF-IR來對移動節(jié)點進行跟蹤,仿真結(jié)果表明IMM-PF-IR在量測噪聲較小時,其跟蹤精度高于IMM-PF。此外,用從實地測試場景中采集到的數(shù)據(jù)集來進行定位跟蹤仿真,結(jié)合接收信號強度進行定位跟蹤,IMM-PF-IR跟蹤精度略低于 IM