高斯粒子滤波在非线性动态系统应用研究.pdfVIP

中国航空学会 控制与应用第十三届学术年会7．14 高斯粒子滤波在非线性动态系统的应用研究 丁杨斌吴志华申功勋 北京航空航天大学宇航学院北京100083 1 引言 统线性化之后利用相应的处理线性系统手段予以处理，常采用扩展卡尔曼滤波方法【ll。而对非线性 本文研究了粒子滤波技术1241以及基于连续贝I叶斯估计的新型粒子滤波——高斯粒子滤波技术，通过 2非线性动态系统 非线性系统与线性系统最大的区别在于非线性系统不满足线性系统的叠加原理及其推理【21。非线 J％2厂(_¨％) (非线性系统状态方程’ (1) 【儿=向(_，Pn) (非线性系统观测方程) 其中x。是状态向量、厂(町是非线性系统的传递函数、Y。是观测向量、厅(9是观测函数；U。与％ 在建立非线性数学模型过程中，通常假定％与％相互独立，且满足 Fr“rn“ri、7J ) IJk--I-k--L--i(Qu6-1 ， c2， {Ec“c力“c／，：，=5jjR(i)Vt／，毛={毛：i二 l研“(j)V(／)。】=0 量儿和相应的假设，迭代计算出状态向量_[21。 高斯粒子滤波是基于粒子滤波12,31的一种滤波技术，它通过利用重要性采样对状态变量进行后验 中国航空学会 控制与应用第十三届学术年会7．14 期望和方差的近似，通过高斯概率密度对非线性系统(1)的滤波概率密度和预钡9概率密厦进行近似。 对非线性系统(1)，基于蒙特卡洛方法，满足～定条件的重要性采样分布n(x。)‘4，51的M个粒子 X={x辨…x，’}用概率分布p(x。)表示，然后这些粒子被加权，其中权值∞‘’’为： 彩o’=p(x：D)／万(x：力) (3) 用W={国‘¨，…缈‘M’}表示M个粒子的权值，则粒子滤波的后验概率p(_)可以用序列{X，W)表 示。通过蒙特卡洛积分和大数定理‘11，则非线性系统(1)的后验概率密度可以表示为： - 埘、 ，月、 ，、 ，、善∞¨(dx．n’ 、。7(4) P(工。)dx。=P(dx。)≈—!二!————ji———————一 ∑珊¨’ 高斯粒子滤波中系统状态随机变量x的高斯概率密度函数为： ‘5) Ⅳ(x；∥，盯)2南exp(一丢(x一∥)7仃一(x一∥)] 其中m是非线性状态向量维数， ∥是高斯分布函数的均值，方差仃是正定矩阵。 高斯粒子滤波应用于非线性系统，当收到第门个观测量Y。后，滤波概率分布表示为： P(Y。I Xn)盟!玉；盔!互! p(x。IZ)= Xn)丛蔓塌一Ⅳ一p(％l P(Y。IL一。)P(Y。IE一．) 局斯粒于滤波经过观测量更新后的滤波分布依然月艮从局斯概率密度分布，即 i2(x．}匕)=N(x。；／2。，O-。) (7) 通