交互式多模型粒子濾波優(yōu)化重采樣算法

《交互式多模型粒子濾波優(yōu)化重采樣算法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、2017年5月第43卷第5期北京航空航天大學(xué)學(xué)報JournalofBeijingUniversityofAeronauticsandAstronauticsMav2017V01．43No．5http：／／bhxb．buaa．edu．cnjbuaa@buaa．edu．cnDOI：10．13700／j．bh．1001—5965．2016．0348交互式多模型粒子濾波優(yōu)化重采樣算法周衛(wèi)東1，孫天1’+，儲敏1，崔艷青2(1．哈爾濱工程大學(xué)自動化學(xué)院，哈爾濱150001；2．哈爾濱建成集團(tuán)有限公司，哈爾濱150030)摘要：針對標(biāo)準(zhǔn)交互式多模型粒子濾波(IMMPF)算法中存在粒子退化及多樣性匱

2、乏問題，提出了交互式多模型粒子濾波優(yōu)化重采樣(IMMPFOR)算法，利用線性優(yōu)化理論改善模型中具有小權(quán)值的粒子精度。該算法的新穎性體現(xiàn)在給定量測信息條件下，利用線性優(yōu)化方法及模型交互概率將每個模型中擁有小權(quán)值的粒子替換成新的粒子。新的粒子既包含本模型中粒子信息，又包含了本模型與其他模型交互后的粒子信息。目標(biāo)跟蹤的仿真結(jié)果證明：每個模型新產(chǎn)生的粒子集合可以準(zhǔn)確地近似真實(shí)狀態(tài)后驗概率密度函數(shù)，系統(tǒng)的估計精度與標(biāo)準(zhǔn)IMMPF算法相比有較大提升。關(guān)鍵詞：交互式多模型；粒子濾波；線性優(yōu)化；重采樣；粒子退化中圖分類號：TN957．52文獻(xiàn)標(biāo)識碼：A文章編號：1001．5965(2017)05．08

3、65—07目標(biāo)跟蹤領(lǐng)域?qū)ο到y(tǒng)真實(shí)模式和變化參數(shù)的估計是典型的非線性、非高斯隨機(jī)混合系統(tǒng)估計?；旌舷到y(tǒng)是將系統(tǒng)動態(tài)分解為一定數(shù)量的運(yùn)動學(xué)模型，其中每個模型的狀態(tài)向量由差分或者微分方程描述?；旌舷到y(tǒng)估計包含了系統(tǒng)對目標(biāo)真實(shí)離散運(yùn)動模式的估計，又包含了對目標(biāo)連續(xù)狀態(tài)分量的估計?。由于目標(biāo)機(jī)動通常是隨機(jī)發(fā)生，并且機(jī)動大小未知，所以很難用單個確定的運(yùn)動學(xué)模型來描述混合系統(tǒng)的真實(shí)運(yùn)動狀態(tài)。由Blom和Bar．Shalom。21提出的交互式多模型(Inter-actingMultipleModel，IMM)算法因其具有極高費(fèi)效比，被廣泛用于解決混合系統(tǒng)的估計問題。經(jīng)過數(shù)十年的發(fā)展，IMM算法已經(jīng)成為

4、目標(biāo)跟蹤領(lǐng)域中的主流算法¨?。傳統(tǒng)的IMM算法每個模型匹配的是卡爾曼濾波器(KalmanFilter，KF)或者擴(kuò)展卡爾曼濾波器(ExtendedKalmanFilter，EKF)。KF針對線性系統(tǒng)，并且過程噪聲和量測噪聲為高斯白噪聲，而EKF僅適用于弱非線性系統(tǒng)中濾波誤差很小的情況，否則濾波初期估計誤差協(xié)方差下降太快會導(dǎo)致濾波器不穩(wěn)定甚至發(fā)散¨。。為了滿足機(jī)動目標(biāo)跟蹤的高精度和實(shí)時性等要求，需要根據(jù)模型的非線性、非高斯、機(jī)動性能等特性來選擇適當(dāng)?shù)臑V波算法。針對機(jī)動目標(biāo)模型的狀態(tài)方程或(和)量測方程非線性、過程噪聲或(和)量測噪聲非高斯的問題，Gordon等。61提出了粒子濾波(Par

5、—ticleFilter，PF)算法。標(biāo)準(zhǔn)交互式多模型粒子濾波(InteractingMul．tipleModelParticleFilter，IMMPF)算法是將IMM算法和PF算法的優(yōu)點(diǎn)結(jié)合的一種算法，其可以在非線性、非高斯隨機(jī)混合系統(tǒng)中獲得較高的估計精度??。但PF算法存在粒子退化問題，粒子退化是指在經(jīng)過有限次遞推濾波后，某些粒子的權(quán)值會趨近1，而其他粒子的權(quán)值會趨近0，這樣會有很大一部分采樣粒子被丟棄，導(dǎo)致估計后驗概率密度函數(shù)無法接近真實(shí)后驗概率密度函數(shù)，收稿日期：2016-04-28；錄用日期：2016-07-07；網(wǎng)絡(luò)出版時間：2016-10-2109：49網(wǎng)絡(luò)出版地址：W

6、WW．cnki．net／kcms／detail／11．2625．V．20161021．0949．001．html基金項目：國家自然科學(xué)基金(61573112){通訊作者：E—mail：suntian@hrbeu．edu．cn§l甩格式：璃l東，孫天．儲敏．等．交互式多模型粒子濾波優(yōu)化重采樣算法IJ]．北京航空航天大學(xué)學(xué)報，2017，43(5)：865．871ZHOUWD．SUNT．CHUM，eta1．Interactingmultiplemodelparticlefilteroptimizationresamplingalgorithm【J]．JournalofBeiringUnive

7、rsityofAeronauticsandAstronautics，2017，43t5)：865—871(inChinese)．866北京航空航天大學(xué)學(xué)報2017年估計精度降低。針對粒子退化問題，很多學(xué)者提出了重采樣方法，例如系統(tǒng)重采樣、分層重采樣、殘差重采樣等。11‘”1。重采樣是指利用粒子更新權(quán)值信息重新獲得采樣粒子，利用新的支撐點(diǎn)集來近似真實(shí)狀態(tài)后驗概率密度函數(shù)。上述重采樣方法會帶來新的問題，即樣本多樣性匱乏，最嚴(yán)重的情況是最新的采樣粒子