粒子濾波算法研究及應(yīng)用

《粒子濾波算法研究及應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、摘要論文題目：粒子濾波算法研究及應(yīng)用學(xué)科專業(yè)：控制理論與控制工程研究生：楊瑁指導(dǎo)導(dǎo)師：錢富才教授簽名：目前，在信息融合領(lǐng)域廣泛使用的融合算法是卡爾曼濾波，它在線性高斯模型下能得到最優(yōu)估計，但在非線性非高斯模型下則效果很差。在這種情況下，粒子濾波因其適用面廣而備受關(guān)注。粒子濾波是一種基于蒙特卡羅模擬和遞推貝葉斯估計的濾波方法。這種濾波和其他濾波一樣，可以通過模型方程由測量空間遞推得到狀態(tài)空間。它采用粒子描述狀態(tài)空間，用由粒子及其權(quán)重組成的離散隨機測度近似真實的狀態(tài)后驗分布，并且根據(jù)算法遞推更新離散隨機測度。它可以處理模型方程為非線性

2、、噪聲分布為非高斯分布的問題，在許多領(lǐng)域得到了成功的應(yīng)用。(1)本文用粒子濾波算法研究了噪聲為非高斯噪聲的隨機系統(tǒng)最優(yōu)控制問題。(2)研究了狀態(tài)空間模型的未知靜態(tài)參數(shù)的估計問題，并把該方法用于不同的模型中，得到了較理想的結(jié)果。(3)研究了幾種不同的粒子濾波，對粒子濾波跟蹤方法進行了深入的研究，證明了在非線性非高斯環(huán)境下PF。EKF，PF．EKF．MCMC，PF．UKF，PF．UKF—MCMC的跟蹤效果優(yōu)于EKF，UKF。重要性函數(shù)的選取直接影響粒子濾波性能的高低，仿真結(jié)果表明UKF，PF—UKF，PF．UKF．MCMC算法在目標跟

3、蹤性能上優(yōu)于EKF和PF．EKF，PF—EKF．MCMC濾波器，尤其是加馬爾科夫鏈的PF．UKF濾波(即PF．UKF．MCMC)得到了相對于PF．UKF濾波更好的估計。(4)研究了針對機動目標的IMM算法，比較了交互式多模型粒子濾波器(IMMParticleFilter)算法和交互式多模型Kalman濾波器(IMMKalmanFilter)算法。最后驗證了交互式多模型粒子濾波器(IMMParticleFilter)算法在非高斯非線性系統(tǒng)中的有效性優(yōu)于交互式多模型Kalman濾波器(IMMKalman)算法。關(guān)鍵詞：粒子濾波；參數(shù)估

4、計；狀態(tài)空間模型：目標跟蹤AbstractTitle：PARTlCLEFlLTERALGORlTHMRESEARCHANDAPPUCATlONMajor：ControltheoryandcontrolengineeringName-JunYangSupervisor：Prof．FucaiQianSignaSignature：Nowadays，Kalmanfilterhasbeenwidelyusedinthefieldofinformationfusion．Itissuitableforlinear，Gausssystems，bu

5、titcannotbeusedinthenonlinear,non-Gaussianmodels．Insuchcircumstances，particlefilteriswidelyusedbecauseofitswiderapplication．ParticlefilterisamethodbasedonrecursiveBayesianfilterandMonteCarlesimulation．Themethodissuitableforanynon—linear，non—Gaussiansystemthatcouldbere

6、presentedwithstatemodel．ItismoirepracticalthanconventionalKalmanfilteranditsprecisioncouldapproachoptimalestimation．Particlefilterhasaparallelstructureanditisflexibleandeasytobeimplemented．(1)Researchonparticlefiltertoresolvethestochasticsystemsoptimalcontrolproblemsw

7、ithnoiseofthenon．Gaussian．·(2)Researchonparticlefiltersfordynamicstate-spacemodelshandlingunknownstaticparametersareresearched．Thefiltersaretestedonseveraldifferentmodels，andtheresultsarequitepromising．(3)Anumberofdifferentparticlefiltermethodsareresearched．Inordertoi

8、mproveTrackingresults，theparticlefiltermethodsoftrackingareresearcheddeeply．WeprovethattheeffectoftrackingofPF-EKF，PF-EKF—MC