粒子滤波算法.pptVIP

粒子滤波算法 刘凯 主要内容 问题基本模型 蒙特卡罗方法 粒子滤波 重要性抽样 退化问题 重要性函数的选取 重抽样 粒子滤波算法的框架结构图 应用实例 问题基本模型 主要思想 利用从所求分布中得到的大量样本点来近似这个分布，从而把积分问题转换为求和问题。 退化问题 粒子滤波作为近年来兴起的一种新的非线性信号处理技术，能方 便有效地计算目标状态和未知参数的联合后验分布，该方法已经被 广泛地应用于目标跟踪、盲均衡、盲检测、信道估计等问题中。 * * 状态方程： 观测方程： 状态空间模型 　观测信号； 状态信号 观测方程 状态方程 i.i.d. 观测噪声 i.i.d. 状态噪声 问题： 在已知 ， 的解析形式以及 分布特性的条件下 ， 利用 递推估计后验分布 以及它的相关特性 贝叶斯迭代 联合后验分布 条件后验分布 由于中间包含有高维积分问题，该递推关系只有理论上的意 义，无法直接应用！ 可以估计表示为 从分布 随机蒙特卡罗方法 抽样得到粒子： 的无偏估计为 在解决滤波问题的时候，随机蒙特卡罗方法习惯称为粒子滤波方法 蒙特卡罗方法 确定蒙特卡罗方法 基本思想是利用数值积分方法解决积分问题。 自由选取时最高精度可以达到2n-1阶 高斯积分 对给定积分区间及权函数，由Schemite正交化过程求出正交多项式 求出 的n个零点