一种基于粒子滤波的非线性系统参数和状态联合估计方法.doc

2010年 3 月 第 31卷 第 2 期 郑 州 大 学 学 报 ( 工 学 版 ) M a r1 2010 Vo l131 No12 Jou rna l of Zhengzhou U n ive rsity ( Enginee ring Sc ience) 文章编号 : 1671 - 6833 ( 2010 ) 02 - 0092 - 05 一种基于粒子滤波的非线性系统参数和状态联合估计方法 王忠勇 , 冯卫娜 (郑州大学 信息工程学院 ,河南 郑州 450001) 摘 要 : 提出了一种新的基于粒子滤波的非线性系统参数和状态联合估计方法. 该算法利用粒子滤波 方法 ,结合核平滑收缩技术 ,同时采用标准贝塔分布代替传统的高斯分布 ,来拟合系统未知参数的后验 分布 ,最终实现非线性系统中参数的迭代估计. 仿真结果表明 ,该算法提高了未知参数和状态的估计精 度 ,在估计的收敛性方面也有明显的改善. 关键词 : 粒子滤波 ;非线性系统 ;核平滑收缩 ;贝塔分布 中图分类号 : 文献标识码 : A TN911. 7 率 ,进而提高了参数的收敛速度和估计精度 ,而后 由动态空间模型得到状态的估计 ,最终实现了状态 和参数的联合估计. 仿真结果表明 ,本文算法能有 效地实现非线性系统中状态和参数的联合估计. 0 引言 非线性非高斯模型的估计问题一直是非线性 领域研究的热点. 一个普通的系统估计任务可描 述为 :根据系统的观测数据和先验估计信息 ,通过 一定的算法 ,估计出所需要的待估量 ,当系统参数 未知时 , 需同时估计系统的状态和参数. 而扩展 Ka lm an滤波状态和参数联合估计算法 J EKF正是 解决此类问题的常用方法 [ 1 - 3 ] . 对于线性高斯系 统 , JEKF估计效果是比较好的 ,然而 ,在处理更为 普遍的非线性非高斯对象时 ,对于非线性比较强 , 且同时含有系统噪声和观测噪声的模型 ,估计结 果往往会产生较大偏差 ,致使估计精度降低 ,甚至 会产生发散. 粒子滤波方法 [ 4 ] 是近年来兴起的一种新的 估计方法. 粒子滤波的关键思想是通过寻找一组 在状态空间中传播的随机样本集 ,对后验概率密 度函数进行近似 ,以样本的均值代替积分运算得 到样本的估计及样本的权值. 文献 [ 5 ]运用两个 粒子滤波器对非线性系统参数和状态进行双重估 计 ,虽然在估计精度方面有了进一步的提高 ,但是 在运算量和运行时间上也显露出了不足. 笔者在 粒子滤波方法的基础上 ,通过核平滑收缩方法对 参数进??迭代估计 ,保留了信息的完整性 ,同时避 免了参数粒子的退化和贫乏现象. 另外笔者用标 准贝塔分布代替了传统提高了参数粒子的采样效 1 动态空间模型 在处理很多实际的问题时 , 往往需要在知道 一些观测数据的情况下 , 估计某些未知状态. 假设 系统存在未知参数 θ, 且参数为非时变 , 需要根据 观测量 yk 同时估计系统状态 xk 和系统参数 θ. 假 设动态系统的状态空间模型为 状态转移模型 : xk = f ( xk - 1 ,θ) + w k 状态观测模型 : ( 1 ) y = h ( x + v k ) ( ) 2 k k 式中 : xk 表示系统在 k 时刻的状态 ; yk 表示 k 时刻 的观测向量; θ为系统未知参数; f ( ·) 和 h ( ·) 分别表示系统的状态转移函数和测量函数 ; w k 和 vk 为独立的噪声 , 分别表示系统的状态噪声和观 测噪声. 为完全描述该模型 , 假设 k时刻求得的参 数 θ=θk , 通常给出状态的先验概率 p ( x0 ) 和参数 的先验概率 p (θ0 ) . 笔者研究的问题是非线性系统中的联合估计 问题 , 即在状态空间模型下 , 由每一时刻的观测值 yk 估计联合状态 zk = { xk , θk }. 由贝叶斯理论可 知 , 联合后验分布 p ( z0: k | y1: k )包含了联合状态 z0: k 收稿日期 : 2009 - 10 - 01;修订日期 : 2009 - 12 - 29 基金项目 :河南省教育厅自然科学基金项目 ( 2007510019 ) 作者简介 :王忠勇 ( 1965 - ) ,男 ,江西遂川人 ,郑州大学教授 ,博士 ,博士生导师 ,主要研究方向 :信息处理 、控制理论 与应用 , E2m a il: zywang@ zzu. edu. cn. = { x0: k ,θ0: k }所有的信息 , 所以 , 问题就转化为通 ωk i i =ωk - 1 p ( yk zk ) i ( 8 ) 过观测量 y1: k估计联合后验概率密度函数 p ( z0: k