混合退火粒子滤波器.pdfVIP

第 卷 第 期 年 月 物 理 学 报 , %%$ , F:3 )， ， ， E: ) , G1H7I %%$ （ ） !%%%/,*%= %%$= %, = %***/%$ -?- @ABCD- CDED- !%%$ I2J ) @IKL ) C:7 ) 混合退火粒子滤波器! ）） ） ） ! # ! ! 杜正聪 唐 斌 李 可 !）（电子科技大学电子工程学院，成都 $!%%’ ） ）（攀枝学院，攀枝花 $!(%%% ） （ 年 月 日收到； 年 月 日收到修改稿） %% !! %% ( $ 针对非线性、非高斯系统状态的在线估计问题，提出一种新的基于序贯重要性抽样的粒子滤波算法 在滤波 ) 算法中，用状态参数分解和退火系数来产生重要性概率密度函数，此概率密度函数综合考虑了转移先验、似然、噪 声的统计特性以及最新的观察数据，因此更接近于系统状态的后验概率) 理论分析与仿真实验表明该粒子滤波器 的性能明显优于标准的粒子滤波器和扩展卡尔曼滤波器) 关键词：非线性，非高斯，粒子滤波，序贯重要性抽样 ： ， ， ， !## %% %$% %’( %*% 样本是粒子滤波方法的关键，通常的抽样方法是通 !9 引 言 过选取建议分布（即重要性分布）来得到后验概率分 布的带权子样（即重要性抽样方法）建议分布选择 ) 非线性、非高斯随机系统的状态估计在现代信 的优劣直接决定着粒子滤波的性能) 号处理、目标跟踪、模式识别、机器学习、通信信号处 选择一个好的建议分布的准则通常包括建议分 理及自动控制等领域有着广泛的应用 针对非线 布的定义域应覆盖所有的后验分布，即建议函数应 ) 性、非高斯系统的状态估计和数值模拟问题，各个领 具有较宽的分布，为了说明分离部分，建议分布应该 ［— ］ 域的学者对此有着深入的研究! ’ ) 在处理非线性 有一个长的拖尾，适当的线性复杂度，易于抽样实 滤波问题中最经典并得到广泛应用的方法是扩展卡 现 综合考虑转移先验、似然，以及最近的观察数 ) ［］ 尔曼滤波算法（ 据，使方差最小，且形状上接近