粒子滤波及其在车载定位中应用.pdfVIP

粒子滤波及其在车载定位中的应用 李高飞倪晓波 南京邮电大学通信与信息工程学院，南京，210003 摘要粒子滤波是近几年应用非常广泛的非线性滤波算法，由于其对非高斯非线性系统具有很 好的滤波效果，因此，被广泛应用于机动车定位导航、目标跟踪及图像处理等领域。粒子滤波应用 在车载定位中．只要满足一定的条件，可以对GtPs(globalpositioning8y咖m)起到补充甚至取代的作 用。 关键词粒子滤波，重要性采样，车载定位 l 引 言 基于无线传感网络的智能交通系统在未来的交通系统中将占据主导地位，如何利用智能 交通系统中实时的节点数据对车载实现更精确的定位越来越引起人们的注意，粒子滤波凭借 其在非线性非高斯系统中良好的滤波效果的优势，受到广泛的推崇。 2粒子滤波原理简介 粒子滤波是指：找到一组在状态空间传播的随机样本，对概率密度函数P(xt‰)进行近 似，用算术平均代替统计平均，从而获得状态的最小方差估计的过程，这些随机样本被形象的 成为“粒子”，粒子滤波也由此得名。 假定动态时变模型可以由以下两式描述： 瓤=五(缸．1，吼．，) (1) 缸=JlI(菇。，儿I) (2) E ×R～_R“·是系统状态的非线性(或线性)函数，{vk．1，kN}和{n。，k∈N}是平稳的噪声序 列。 l 通常假设系统状态向量满足一阶马尔可夫过程。若已知状态的初始概率密度函数p(xo zl：k)，并利 zo)=p(‰)，则可以利用所有的观测信息z蚰构造状态的后验概率密度函数p(xkl 用状态的预测方程： I I (3) l菇I．-)p(xt—I P(茗Izl：I．。)==fP(聋I zt；‘．1)dxt—I 及状态更新方程： 出小，．I)=呶老掣 (4) 347 p(zkl瓢)p(以}gl (5) 其中P(以Iz1扣1)=f zk-I)妣 式(3)及(4)构成了贝叶斯估计的基本框架，但是式(3)中存在积分运算，对某些动态系统 Carlo，MC) 可以获得勰析解，但是更多的是不能获得解析解，此时，需要利用蒙特卡罗(Monte 积分方法。 蒙特卡罗积分方法可以将积分运算变为有限样本点的求和运算。其思想是假设能够独立 如下的经验分布来近似表达状态的概率密度分布： 参(‰止Igltk)=亩∑‰：。dx啡 (6) 则f(xo：。)的数学期望为： l gi：／t)出o。I (7) E抓戈o；I))=l以X0：k)p(‰：I 上式的积分运算可以用如下形式的估计值来逼近：