粒子滤波算法原理及Matlab程序专题 (2).pptVIP

粒子滤波算法原理及Matlab QQ: 345194112 1、粒子滤波的发展历史 90年代初，Gordon、Salmond、和Smith所提出的重采样（Resampling）技术 。 90年中期，计算机的计算能力的提高 近年来的新技术，EPF、UPF、RBPF等 新的应用领域：目标定位和跟踪、图像处理、语音处理、故障检测、经济数据处理 2、蒙特卡洛原理 粒子滤波技术是以蒙特卡洛为基础的 蒙特卡洛：用实验模拟的方法解决复杂的积分计算问题 硬币投掷实验（1） 掷一枚均匀硬币，正面朝上的次数X服从参数为１，p的二项分布,X~B(1,p) 在Matlab中编辑.m文件输入以下命令： function cion_throw_test1 p=0.3; % 正面朝上的概率 m=1000; % 实验次数 fun(p,m); % 修改不同的p,m值 function fun(p,mm) pro=zeros(1,mm); randnum = binornd(1,p,1,mm); % 服从二项分布 a=0; 2、蒙特卡洛原理 蒙特卡洛的应用 应用说明：利用蒙特卡洛模拟计算圆周率? 方法解决： 假设平面上有无数条距离为1的等距平行线，现向该平面随机投掷一根长度为l的针(l?1)，则我们可计算该针与任一平行线相交的概率。这里，随机投针指的是：针的中心点与最近的平行线间的距离X均匀地分布在区间[0,1/2]上，针与平行线的夹角?（不管相交与否）均匀的分布在区间[0,?]上。此时，针与线相交的充要条件是 从而针线相交的概率为： 2、蒙特卡洛 %%%%%%%%%%%%%%%%%%%%%%%%% % 说明：利用蒙特卡洛模拟计算圆周率 %%%%%%%%%%%%%%%%%%%%%%%%% function buffon_test l=0.6; m=10000; % 实验次数 buffon(l,m); %%%%%%%%%%%%%%%%%%%%%%%%% function piguji=buffon(llength,mm) %llength 是针的长度 %mm 是随机实验次数 frq=0; xrandnum = unifrnd(0,0.5,1,mm); phi= unifrnd(0,pi,1,mm); for ii=1:mm if (xrandnum(1,ii)=(llength*sin(phi(1,ii))/2)) frq=frq+1; end end piguji=2*llength/(frq/mm) 实验结果如下： 3、粒子滤波原理 粒子滤波目前有四大基本的重采样方法，分别是残差重采样（Residual resampling），多项式重采样（Multinomial resampling），系统重采样（Systematic resampling），随机重采样（random resampling），关于他们的原理，读者可以到网上检索相关的论文。 3、粒子滤波原理 随机重采样 执行仿真程序，得到以下仿真结果，图中上部就是程序中给定的W随机样本，而下部分是由随机采样得到的V样本集合。从连线关系可以看出，W样本集中的第2个样本被复制一次，第3个样本被复制2次，第7个样本被复制2次，第8个样本被复制1次，第9个样本被复制2次，……，W中除了被复制的样本外，其他样本被舍弃，这就是“优胜劣汰”的思想。 4、粒子滤波在单目标跟踪中的应用 状态方程： 观测方程： 噪声模型：Q、R 4、纯方位角单目标跟踪 纯方位跟踪系统仿真程序 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 程序说明： 单站单目标基于角度的跟踪系统，采用粒子滤波算法 % 状态方程 X（k+1）=F*X(k)+Lw(k) % 观测方程 Z（k）=h（X）+v（k） function main %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 初始化参数 clear; T=1; % 采样周期 M=30; % 采样点数 delta_w=1e-4; % 过程噪声调整参数，设得越大，目标运行的机动性越大，轨迹越随机（乱） Q=delta_w*diag([0.5,1,0.5,1]) ; % 过程噪声均方差 R=pi/180*0.1; % 观测角度均方差，可将0.1设置的更小 F=[1,T,0,0;0,1,0,0;0,0,1,T;0,0,0,1]; %%%%%%%%%%%%%%% 系统初始化 %%%%%%%%%%%%%%%%%% Length=100;