資源描述：
《改進(jìn)粒子濾波算法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、兵工自動化自動測量與控制O.I.Automation2008年第27卷第11期AutomaticMeasurementandControl2008,Vol.27,No.11文章編號：1006-1576（2008）11-0061-03改進(jìn)粒子濾波算法研究張淼，胡建旺，周云鋒（軍械工程學(xué)院指揮與控制工程教研室，河北石家莊050003）摘要：重采樣思想能解決粒子濾波中的粒子退化問題，但卻導(dǎo)致粒子多樣性喪失的現(xiàn)象，使描述狀態(tài)后驗概率密度的粒子不夠充分。圍繞如何增加粒子的多樣性，已提出的改進(jìn)算法包括MCMC移動步驟及正則化粒子
2、濾波（RPF）算法。討論2種改進(jìn)算法的基本思想及步驟，通過對一典型標(biāo)量非線性系統(tǒng)的仿真實驗，分析改進(jìn)算法的性能特點。實驗結(jié)果表明，2種改進(jìn)算法都有效增加了粒子的多樣性，緩解了粒子匱乏問題。關(guān)鍵詞：重采樣；粒子濾波；粒子衰竭中圖分類號：O236文獻(xiàn)標(biāo)識碼：AResearchofImprovedParticleFilteringAlgorithmZHANGMiao,HUJian-wang,ZHOUYun-feng(StaffRoomofCommand&ControlEngineering,OrdnanceEngineer
3、ingCollege,Shijiazhuang050003,China)Abstract:Theresampletechniquecanresolveparticledegenerationinparticlefiltering,butitleadslossofparticlediversities.Theresultisthattheparticleswhichusedtodescribetheprobabilitiesofposteriorprobabilitydensityofstatearenotenough
4、.Concerningadvancedwaysonhowtoexpanddiversitiesofparticles,includingalgorithmsofMonteCarloMarkovChain(MCMC)movementandRegularizedParticleFilter(RPF).Discussbasicideasandstepsofthetwoalgorithms.Throughasimulationonatypicalscalarquantitynon-linearsystem,analyzeth
5、echaracteristicsofthealgorithms.Theresultsshowthatboththetwoalgorithmscanexpanddiversitiesofparticles,andcaneaseuptheproblemoflackofparticles.Keywords:Resample;Particlefiltering;Particlefailure0引言MCMC是一個迭代過程，它通過模擬狀態(tài)空間的一個Markov鏈，使其輸出的平穩(wěn)分布（stationary戰(zhàn)場環(huán)境日益復(fù)雜，對雷達(dá)信
6、號的處理面臨著distribution）是概率密度函數(shù)p(x)，使馬爾可夫轉(zhuǎn)非線形、非高斯噪聲的挑戰(zhàn)，粒子濾波（PF）能解移核（transitionkernel）函數(shù)Kk(x,x′)=p(xk=x′
7、xk-1=x)決上述環(huán)境下的濾波問題。然而，粒子的退化現(xiàn)象滿足：嚴(yán)重制約著粒子濾波算法的發(fā)展，直到Grodon提''∑Κ(x,x)p(x)=p(x)(1)[1]'kk?1k出了重采樣的思想，解決了粒子集退化問題，粒x子濾波才迅速發(fā)展起來。但重采樣算法的引入?yún)s導(dǎo)其中，p0(x)是初始先驗分布，對于連續(xù)狀態(tài)空致了“粒子衰竭”
8、現(xiàn)象的出現(xiàn)[2]，即在濾波過程中間，只需把求和變成積分。對于基本粒子濾波器，利用狀態(tài)轉(zhuǎn)移概率分布只將少數(shù)幾個甚至一個粒子進(jìn)行復(fù)制，使用于描述i后驗概率密度的粒子不充分，限制了算法追蹤某些來生成一組新的樣本*{xk}來替代重采樣后的樣本具有極低權(quán)值的狀態(tài)的能力。為解決粒子衰竭問題i集{x?k}，并按Metropolis-Hastings（MH）算法作所帶來的副作用，恢復(fù)粒子的多樣性，已提出了許為判定是否移動或接受該新樣本的依據(jù)，從而引導(dǎo)多改進(jìn)方法，如：MCMC步驟及RPF算法。故對2粒子朝折多樣性方向發(fā)展。MH算法的偽
9、碼表述為：種算法的基本思想及主要步驟進(jìn)行研究。·fori=1:N1改進(jìn)算法-抽取u~U(0,1)*ii-狀態(tài)采樣：x~p(x
10、x)1.1MCMC移動步驟kkk?1??p(x
11、xi)??為恢復(fù)粒子的多樣性，在重采樣步驟后引入-ifu≤min1,kk?1??iMCMC移動步驟[3]，以使得粒子分布更加合理。??p(xk
12、x?k?1)??收稿日期：2
