[01496576]运用粒子滤波解决非线性跟踪问题的理论研究及其应用实现

粒子滤波理论是贝叶斯滤波理论和蒙特卡罗仿真理论的结合体,适用于任何能用状态空间模型表示的线性高斯系统,以及传统卡尔曼滤波无法表示的非线性非高斯系统,精度可以逼近最优估计。该方法的使用非常灵活,容易实现,具有并行结构,实用性强。粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,因此获得了很大的发展。主要研究以下几个方面： 1、引入动态系统模型、贝叶斯估计理论、蒙特卡洛方法,推导了粒子滤波技术中后验密度函数的表示方法,扩展卡尔曼滤波器与Unscented卡尔曼滤波器、混合卡尔曼粒子滤波,并利用不同的非线性模型对滤波器进行性能分析。 2、指出粒子滤波存在的问题,自适应重新取样算法的研究再取样方法是解决权值退化问题的关键技术,对自适应再取样算法进行了深入研究,与基于有效样本数目方法不同的是,针对问题提出基于蚁群优化和遗传算法相结合的粒子滤波,从而提高粒子滤波算法的运算速度和鲁棒性。 3、粒子表示方法的研究粒子滤波器是一种非参数概率密度估计方法,在执行过程中需要大量的粒子才能保证其性能,利用对系统方程进行三阶泰勒级数展开,用一阶差商代替泰勒展开式的一阶导数,用二阶差商代替二阶偏导,并以此三阶差商代替三阶偏导。截断误差较扩展粒子滤波的截断误差提高了两阶。 4、总结粒子滤波技术在工程中的一些重要应用,对现在的应用方向进行了总结,并指出了粒子滤波领域的存在的问题及未来的研究方向。