文档介绍：西安电子科技大学
硕士学位论文
粒子滤波关键技术及其应用研究
姓名:杨璐
申请学位级别:硕士
专业:信号与信息处理
指导教师:李明
20100101
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,本文对权值退化、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了深入研究,并在此基础上,提出了一种改进的粒子滤波算法。该算法将无迹卡尔曼滤波算法⒒旌弦糯D馔嘶鹚惴ê突玖W勇瞬ㄋ惴ㄏ嘟岷希τ梦藜?ǘ曼滤波算法获得重要性函数,提高了粒子的使用效率;应用混合遗传模拟退火算法的进化思想,提高了粒子的多样性。实验结果表明在有效改善粒子退化问题的同时,新算法很好的提高了粒子的使用效率和对噪声的抑制能力:在信噪比为时,新算法用原算法牧W邮新瞬ǎ瞬ňǘ忍岣吡私ァW詈螅ǜ进算法应用于机动目标跟踪模型,验证了新算法对非线性系统的有效性;将改进算法应用于枷窠翟耄橹ち诵滤惴ǘ苑歉咚鼓P偷氖涤眯浴关键词:粒子滤波无迹卡尔曼滤波混合遗传模拟退火算法目标跟踪图像降噪
.琣瑂,,甀,琣琤琲甀瑄甀瞖:,琣..—甌
本人签名:拉退西安电子科技大学学位论文独创性虼葱滦声明旌铮:兰关于论文使用授权的说明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切相关责任。本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。本人签名:导师签名日期:
斯递推和蒙特卡罗方法的实时在线仿真算法一粒子滤波器,逐渐受到人们的重第一章绪论研究背景和意义粒子滤波技术概述近几十年来,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。年等人对线性贝叶斯动态模型的发展进行了总结,在线性动态系统中,应用卡尔曼滤波算法可得到该类模型的最优解。但是对于非线性动态系统的实时估计问题,由于概率密度函数形式不确定,一般无法用有限个参数对其进行全面的描述,要解决估计问题计算量很大。为了满足实时处理和计算存储量的要求,人们通常采用参数化的解析形式对系统的非线性进行线性化近似,以寻求令人满意的估计精度。但这种线性化近似的方法要求测量误差较小,并且动态系统的非线性程度较低,否则该方法在收敛精度、收敛时间及稳定性等方面表现得很不理想。世纪年代初,随着计算机计算能力和存储量的迅速提升,一种基于贝叶视。粒子滤波器是一种基于仿真的方法,它利用状态空间中一组带权值的随机样本粒子逼近目标状态变量的概率密度函数,每个样本代表目标的一个可能状态,可以得到目标状态的最小方差估计。该算法不受模型线性、高斯假设的约束,适用于任意非线性非高斯动态系统。应用粒子滤波方法,可以有效的进行非线性系统的状态估计,估计得到的状态的统计特性比传统的参数化线性近似方法更为准确,近些年来已成为统计学、信号处理、图像处理、自动控制、人工智能等领域新的研究热点。因其具有灵活、易于实现、并行化、应用前景广阔以及有效处理非线性问题等特点,目前在众多领域都得到了广泛应用。.W勇瞬ḿ际醯钠鹪上个世纪,伴随着计算机数据处理能力的迅猛增长,在计算统计学领域出现了研究蒙特卡罗方法的热潮。序贯蒙特卡罗方法种新的非线性动态系统分析工具,它以序贯重要性采样技术为基础,即通过非参7⒃从兰陀⒐【,作为一
有观测信息构造状态的后验概率分布函数托‰刺母髦止兰浦担缇怠组在状态空间中传播的随机样本对概率密度函数进行近似,∪个随机样本点,笨