KF與PF以及融合方法的研究和應(yīng)用.pdf

1、最優(yōu)濾波，又叫最優(yōu)估計(jì)，即通過一定的濾波準(zhǔn)則或某種統(tǒng)計(jì)最優(yōu)的方法從被噪聲淹沒的信號(hào)中分離出盡可能準(zhǔn)確的有用信號(hào)估計(jì)值的理論。最優(yōu)濾波理論經(jīng)過幾十年的發(fā)展，現(xiàn)已經(jīng)形成了一定的理論框架和體系，它主要包括了Wiener濾波，Kalman濾波（KF，Kalman filtering）以及近些年來逐漸被重視的粒子濾波（PF，Particle filtering）。最優(yōu)濾波理論現(xiàn)已出現(xiàn)和應(yīng)用在了如目標(biāo)跟蹤，導(dǎo)航，地震測量，石油勘探，金融數(shù)據(jù)分析等各

2、個(gè)領(lǐng)域，并且隨著濾波理論的不斷完善，它還將有更廣闊的應(yīng)用前景和空間。
　　 本文在前人的工作的基礎(chǔ)上，研究了與Kalman濾波和粒子濾波結(jié)合的融合算法，同時(shí)也研究了改善粒子濾波粒子多樣性喪失的問題，主要的工作包括以下幾個(gè)方面:
　　 (1)本文討論了把高斯馬爾可夫融合算法與Kalman濾波或粒子濾波相結(jié)合的問題。針對(duì)傳統(tǒng)融合方法須要計(jì)算局部濾波的誤差互協(xié)方差陣從而導(dǎo)致過程繁瑣和復(fù)雜的問題，采用高斯馬爾可夫融合算法，只關(guān)心

3、每個(gè)傳感器的精度（本文表現(xiàn)為量測噪聲的方差），可以省去一些復(fù)雜的計(jì)算過程從而提高效率，而且也能保證與上述常用方法相當(dāng)?shù)木取?br>　　 (2)本文進(jìn)一步研究了把一種實(shí)用的數(shù)據(jù)融合方法與Kalman濾波或粒子濾波相結(jié)合的問題。該方法與高斯馬爾可夫融合方法相比需要已知的信息進(jìn)一步減少，只需要知道各個(gè)濾波器的每個(gè)時(shí)刻的估計(jì)結(jié)果就可以了，且與傳統(tǒng)的三種方法相比在效率和計(jì)算負(fù)擔(dān)方法均有優(yōu)勢，且融合精度不會(huì)下降。
　　 (3)粒子濾波經(jīng)

4、過多次迭代后的粒子會(huì)由于重采樣導(dǎo)致多樣性逐漸喪失，從而有可能導(dǎo)致與真實(shí)的后驗(yàn)密度誤差變大而影響最后的估計(jì)結(jié)果。針對(duì)此問題，本文提出了一種改進(jìn)的粒子濾波來改善粒子多樣性喪失問題，仿真實(shí)驗(yàn)證明了其可行性。
　　 (4)本文討論和研究了一些具有實(shí)際物理意義的模型并進(jìn)行了仿真，尤其是在運(yùn)動(dòng)目標(biāo)跟蹤問題上作了較多工作，在計(jì)算機(jī)上進(jìn)行了仿真驗(yàn)證，對(duì)前面提到的方法也有所應(yīng)用，進(jìn)一步證明了其有效性和可行性。
　　 本文對(duì)最優(yōu)濾波中的Ka