粒子滤波和正则粒子滤波算法性能研究.pdfVIP

爨 ⑨6固6囿0S6⑨响数囿0字0信，⑥@号@处§岛理6响 粒子滤波和正则粒子滤波算法性能研究 ·算法研究· 毛鑫萍 ，李 贝 ，张才强 (I．浙江工业大学 信息工程学院，浙江 杭州310023； 2．中国联合网络通信有限公司杭州分公司， 浙江杭州310003； 3．浙江亚卫通科技有限公司，浙江 杭州310012) 【摘 要】主要介绍了解决系统状态估计问题的滤波算法。在提 出非线性高斯系统模型的基础上着重阐述了扩展 卡尔曼滤波(EKF)、粒子滤波(PF)和正则粒子滤波 (RPF)算法。对这三种算法在不同的噪声条件下的估计性能进 行 了仿真分析。结果表明，在非线性高斯系统中，PF和 RPF的估计性能远 比EKF的估计性能要好，由于RPF是从 离散分布 中重构其近似连续分布，再从该连续分布中采样粒子，估计性能比PF要好，尤其在小噪声的环境下，估计 性能更加稳定。 【关键词】状态估计；非线性高斯；扩展卡尔曼滤波；粒子滤波；正则粒子滤波 【中图分类号】TN911．7 【文献标志码】A ComparativePerformanceStudyofParticleFilterandRegularizedParticleFilter MAO Xinping ，LIBei，ZHANG Caiqiang (1．CollegeofInformationEngineering，ZhejiangUniversityofTechnology，Hangzhou310023，China； 2．TheChinaUnitedNetworkCommunicationsCorpHangzhouBranch，Hangzhou310003，China； 3．ZhejiangYAVATOPTechnoloygCo．，Ltd．，Hangzhou310012，China) 【Abstract】Thefilteringalgorithmsareintroducedusingtodealwiththeproblemsofsystemstateestimation．Firstly，the nonlinearGausssystemmodelisputforwardonExtendedKalmanFilter(EKF)，ParticleFilter(PF)andRegularizedParti- cleFilter(RPF)．Then，theperformanceofthesethreealgorithmsisanalyzedindifferentnoisesystems．Simulationresults reveal thattheestimationperformanceofPFandRPF ismuchbetterthanEKFinthenonlinearGausssystem．BecauseRPF reconstitutestheapproximatelycontinuousdistributionfrom thediscretedistributionandre-·samplesparticlesfrom thiscon-- tinuousdistribution．Th eperformanceofRPFismuchbetterthanPF，especiallyinthelow noiseenvironment． 【Keywords】stateestimation；nonlinearGauss；ExtendedKalmanFilter；ParticleFilter；ReuglarizedParticleFilter 的过程。但是PF有两个主要的问题，一个是如何选 1 引言 择好的重要性密度函数，另一个是如何解决重采样带 在系统状态估计问题 中，因系统的特性影响，提