种用于解决非线性滤波问题的新型粒子滤波算法.docVIP

一种用于解决非线性滤波问题的新型粒子滤波算法 王法胜 赵清杰 （北京理工大学计算机科学技术学院 北京 100081） 摘 要 粒子滤波算法受到许多领域的研究人员的重视，该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上，本文提出一种新型粒子滤波算法。首先用Unscented卡尔曼滤波器产生系统的状态估计，然后用扩展卡尔曼滤波器重复这一过程并产生系统在k时刻的最终状态估计。在实验中，针对非线性程度不同的两种系统，分别采用五种粒子滤波算法进行实验。结果证明，本文所提出算法的各方面性能都明显优于其他四种粒子滤波算法。 关键字 非线性滤波;扩展卡尔曼滤波器;Unscented卡尔曼滤波器;粒子滤波器;MKPF 引言( 众所周知，卡尔曼滤波器[1-2]是解决线性高斯问题的最优滤波方法，但是在现实世界中，人们所面临的问题大都是非线性非高斯的，因此非线性滤波问题是极为普遍的，许多领域都涉及到，其中包括统计信号处理、经济学、生物统计学，以及工程领域中的通信[3]、雷达跟踪[4]、目标跟踪[5,6]、汽车定位[7]、导航[7-8]、机器人定位[9-12]等等。 解决非线性滤波问题最为普遍的方法是扩展卡尔曼滤波器(extended Kalman filter, EKF)。但是该方法只适用于弱非线性的系统，对于