文档介绍：创新性声明
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
包含其他人己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
其他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
的任何贡献均己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,木人承担一切相关责任。
本人签名、少马履日期
关于论文使用授权的说明
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。本人保证毕
业离校后,发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。
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。保密的论文
在解密后遵守此规定
本人签名乃成日期之
导二名生日期夕必举么乙
知识水坝***@pologoogle为您整理
第一章绪论
第一章绪论
研究背景、意义及现状
信号处理己经成为科技领域的一个重要工具,它主要包括未知信息的估计、
事件检测、分类等,这在通信、雷达、声纳、生物工程等众多领域都是极其重要
的。例如,在通信中,传输的信息受噪声等因素的影响,接收机需要对被传输的
符号进行检测在雷达和声纳中,我们需要通过测回波信号来检测目标的存在性,
并且基于回波信号要估计目标的某些其它特性在语音处理中,我们用信号处理
的一些方法来进行语音识别,增加话音清晰度,进行语音分类等。
通常在信号处理的许多应用中,需要按顺序抽取信息,我们称之为在线或实
时处理。例如,在雷达信号处理中,进行目标跟踪时,我们需要根据雷达观测到
的目标信息来估计运动目标的位置和速度而在无线通信中,对于通过衰落信道
传输的数据,我们需要进行序列的信道估计和数据检测。还有许多其它的应用中,
我们都需要进行实时的或序列的信号处理,因而这一序列的信号处理问题引起了
众多学者的关注。
时变的系统可以被看作是一动态状态空间模型,以此来描述未知量的动态或
时变特性以及观测信号与未知量的关系。我们的目标是基于可得到的观测值来顺
序的跟踪未知量。在贝叶斯信号处理川中,用后验和预测密度函数来描述贝叶斯推
理问题。对于线性高斯模型,卡尔曼滤波给出了这一后验密度的解析解然而,
对于非线性非高斯模型,这一问题就变得更加复杂。在这种情况下,由于得不到
解析解,因而人们提出用数值方法来处理。通常,数值方法有较高的计算复杂度,
从而难以在实时信号处理中得以应用,现在,随着和大功能计算机的出现,
这一问题己得以解决。
贝叶斯信号处理己经成为解决信号检测问题的一个重要工具。贝叶斯推理与
其它传统的方法不同,它给出未知量的概率分布的估计,比传统的点估计方法更
加准确。然而,在许多实际应用中,可能会涉及到高维积分运算,近年来,随着
数字处理芯片性能的快速提高,这一问题己得以解决。
在世纪年代人们提出的高斯滤波器是一种次优的滤波器,它把滤波
和预测密度近似为单个的高斯分布,从而使扩展的卡尔曼滤波方法广泛应用在目
标跟踪、自动控制及参量估计等问题中。扩展的卡尔曼滤波的基本原理是将非线
性的系统方程或观测方程在状态估计值附近做近似线性化,并借助线性卡尔曼滤
波理论对系统的状态进行更新,这一特点决定了其性能不可避免地受到线性化误
知识水坝***@pologoogle为您整理
序列蒙特卡罗方法及其通信中的应用
差的影响。线性化误差及其在滤波过程中的传播往往难以预测,从而使滤波器性
能不稳定,因而人们提出使用滤波方程的较高阶扩展对其进行改进。最近,
提出无香的卡尔曼滤波器’它使用状态空间的几组确定的点来得到均
值和方一差的更精确的近似。
高斯求和的滤波器把后验密度近似为高斯混合形式,即高斯密度
的加权求和,该滤波器是一组并行的扩展卡尔曼滤波器加权求和,当真实的密度
函数为非高斯分布时,它比高斯滤波器的近似性能要好。然而,在处理高度
非线性问题时可能会失效,且在实际中较难实现。文献提出了另一种方法,它是
将滤波和预测密度进行分段线性近似,但是既使对较小维数的问题它的运算量都
很大,因而它的应用也受到了限制。
近年来,基于蒙特卡罗采样的滤波器也引起了人们的广泛关注,其基本思想
是产生服从后验分布的样本,并对其进行加权给出密度函数的近似。这类方法大
体可分为两类一种是马尔可夫链的蒙特卡罗方法〔
,其中马尔可夫链给出服从感兴趣的后验分