粒子濾波改進算法研究與應(yīng)用.pdf

1、隨著模型復(fù)雜性的增強和對濾波精度需求的不斷提高，在有些應(yīng)用中傳統(tǒng)的非線性濾波方法已不能滿足要求。粒子濾波作為一種新型的非線性濾波方法，以其處理非線性、非高斯動態(tài)系統(tǒng)濾波問題的優(yōu)良特性受到廣泛地關(guān)注。它面向更為復(fù)雜的非線性模型且無需對狀態(tài)分布作任何假設(shè)，更符合實際濾波任務(wù)的要求。然而，粒子濾波在快速發(fā)展的過程中也遇到了一些有待解決的問題。因此，改進和完善粒子濾波方法具有重要的理論意義和實際的工程價值。本文結(jié)合統(tǒng)計學習理論的新方法，針對粒子

2、濾波算法和應(yīng)用中的問題進行了深入研究，主要的研究內(nèi)容包括以下幾個方面：
　　首先，針對非線性動態(tài)系統(tǒng)濾波的基本問題，在遞推貝葉斯估計理論的統(tǒng)一框架下深入研究了三類具有代表性的非線性濾波方法：擴展卡爾曼濾波、Unscented卡爾曼濾波和粒子濾波。分析和比較了各方法的適用條件、優(yōu)點和不足，并著重討論了粒子濾波的基本原理、算法步驟、粒子退化和貧化問題、收斂性理論，為后續(xù)研究奠定了基礎(chǔ)。
　　其次，研究了如何從概率密度估計角度解決

3、粒子的退化和貧化問題。從具有不適定性的概率密度估計問題的數(shù)學描述出發(fā)，提出了支持向量機概率密度估計粒子濾波算法基本思想，采用支持向量機概率密度估計方法建立粒子后驗分布模型并進行重采樣，克服粒子的退化。通過線性規(guī)劃方式進一步提高了算法的計算效率，并討論了該方法的多維狀態(tài)擴展問題。另外，針對弱觀測噪聲環(huán)境下粒子退化現(xiàn)象更為嚴重的問題，提出了一種基于支持向量機重采樣的似然粒子濾波算法，該算法使用似然函數(shù)作為提議分布，融入了最新的觀測信息，并且

4、可以有效避免粒子退化，增強粒子的多樣性，從而提高了狀態(tài)估計精度。仿真結(jié)果驗證了上述算法的可行性和有效性。
　　再次，從函數(shù)回歸估計角度研究了解決粒子退化和貧化的問題。利用粒子濾波過程中的粒子及其權(quán)值，建立對應(yīng)的回歸估計模型對權(quán)值進行調(diào)整，來克服粒子的退化并增加多樣性。為了避免求解二次優(yōu)化問題，分別采用了平均場理論和等式約束方式對優(yōu)化問題進行了改進，提出了基于平均場支持向量回歸機的粒子濾波算法和基于最小二乘支持向量回歸機的粒子濾波算

5、法，通過仿真并與現(xiàn)有方法的比較，驗證了算法的優(yōu)越性。另外，還進一步研究了最小二乘支持向量回歸機針對大規(guī)模數(shù)據(jù)集的處理方法。
　　然后，研究了提高粒子濾波實時性的方法。根據(jù)近似支持向量機分類算法的原理，將其擴展到回歸估計問題中，采用直接求解法推導(dǎo)了近似支持向量回歸機線性、非線性、大規(guī)模數(shù)據(jù)集算法，并與最小二乘支持向量回歸機進行了比較。在此基礎(chǔ)上，以估計窗實時粒子濾波算法為基本框架，提出了采用近似支持向量回歸機融合估計窗內(nèi)子粒子集濾波

6、結(jié)果的實時粒子濾波改進算法，減小了計算復(fù)雜度，進一步增強了算法的實時性。通過對一個純角度目標跟蹤的仿真，驗證了算法的可行性和有效性。
　　最后，研究了基于多模型的粒子濾波方法及其在機動目標跟蹤中的應(yīng)用問題。根據(jù)遞推貝葉斯估計理論推導(dǎo)了交互多模型粒子濾波的基本算法，并給出了采用高斯近似方式的實用算法。在分析了機動目標基本運動模型的基礎(chǔ)上，利用粒子濾波作為模型匹配濾波器，解決了非線性觀測方程難以直接應(yīng)用的問題。采用多普勒測量信息估計目