基于非线性混合效应状态空间模型的粒子滤波.pdfVIP

‘q下J ZUID平弟z 罨弟 期 ElectronicSci．＆ Tech．／Feb．15．2015 doi：10．16180／j．cnki．issnl007—7820．2015．02．002 基于非线性混合效应状态空间模型的粒子滤波 王 瑞 (西安电子科技大学 数学与统计学院，陕西 西安 710071) 摘 要 粒子滤波算法是一种用于解决非线性系统问题的新型算法。通常粒子滤波利用重要性重抽样算法．选用 先验分布，但是其易受外部观测值影响，从而导致权重变化较大。为此，文中引入辅助粒子滤波算法进行改进，该算 法优势在于前一时刻的样本在抽取时以当前的观测数据为条件，这样得到的样本更加接近真实状态。最后 ，通过仿真 实例，进一步分析验证了辅助粒子滤波算法比采样重要性重抽样更为有效。 关键词 非线性状态空间模型；混合效应模型；序贯MonteCarlo方法；辅助粒子滤波 中图分类号 TN713 文献标识码 A 文章编号 1007—7820(2015)02—004—40 ParticleFiltersBasedontheNonlinearM ixedEffectStateSpaceM odels WANG Rui (SchoolofMathematicsandStatistics，XidianUniversity，Xi’an710071，China) Abstract Particlefilteralgorithm isanew algorithm forsolvingnonlinearsystem problems．Typicallythepar— ticlefilterusesimportanceresamplingalgorithm ，which selectsaprioridistribution．Butitiseasilyaffectedbyex— ternalobservation，leadingtolargerchangesinweights．Thispaperintroducesanauxiliaryparticlefilteralgorithm to improvethis．Theadvantageofthisalgorithm isthatthesampleattheprevioustimeisbasedonthecurrentobserva— tionaldata，thusthesampleobtainedbeingclosertothetruestate．Simulationshowsthattheauxiliary particlefilter algorithm ismoreeffectivethanthesamplingimportanceresampling． Keywords nonlinera statespacemodels；mixed—effectsmodels；sequentialMonteCarlomethods；auxiliary particlefilter 非线性非高斯状态空间模型 。的最优估计L4在 重抽样(SIR)算法，并引入一种新的改进粒子滤波算 信号处理、金融 、无线通讯等领域具有重要的应用。针 法一辅助粒子滤波算法 (APF)[11 ，通过实例模型进 对实际问题中出现的非线性非高斯模型，出现了一种 行仿真，进一步说明了APF算法是可行的，且相 比其 被称为 “序贯重要性采样 (SIS)”的MonteCarlo方法， 他算法更加有效。 其通过离散的随机测度逼近概率分布。然而由于高度 1 非线性混合效应状态空间模型 的计算复杂性和退化 问题，1993年 Gor