粒子滤波技术研究和分析.docVIP

PAGE PAGE 1 粒子滤波技术研究和分析 　　摘 要： 非线性非高斯状态空间模型的最优估计问题在信号处理、自动控制、金融、无线通讯等领域具有重要的应用，粒子滤波技术通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波，适用于任何能用状态空间模型表示的非线性系统，滤波精度可以逼近最优估计，其有效性已经得到各领域研究人员的极大认可，基本粒子滤波算法存在的最大问题是粒子退化，针对这一问题，对权值退化、重要性函数选取、重采样等影响粒子滤波器性能的关键技术进行深入研究。 　　关键词： 高斯状态空间；粒子滤波技术；权值退化 　　中图分类号：TP391.41 文献标识码：A 文章编号：1671－7597（2011）1210104－01 　　1 概述 　　1.1 研究背景和意义 　　近几十年来，在统计学和各种工程领域中，许多专家学者都致力于动态系统实时估计问题的研究和分析，发源于17世纪英国牧师T.R.Bayes的贝叶斯理论为动态系统的状态估计问题提供了严格的理论框架，它利用所有的已知信息来构造系统状态变量的后验概率密度函数，即用系统模型预测状态的后验概率，再利用最新的观测值进行修正。状态的各种统计值如均值、方差等都可从后验概率密度函数中计算获得。 　　20世纪90年代初，随着计算机计算能力和存储量的迅速提升，一种基于贝叶斯递推和蒙特卡罗方法的实时在线仿真算法――粒子滤波器