粒子濾波算法研究與實現.pdf

1、近幾十年發(fā)展起來的一種基于蒙特卡羅思想實現非線性、非高斯系統(tǒng)濾波的粒子濾波算法，完全突破了傳統(tǒng)Kalman濾波理論框架，適用于任何能用狀態(tài)空間模型表示的非線性系統(tǒng)，且精度可以逼近最優(yōu)估計。粒子濾波是統(tǒng)計模擬理論學科和現代信號處理之間的交叉學科，因此對其研究有著重要的理論意義和深遠的實踐價值。其在雷達目標跟蹤、語音信號增強、傳感器故障診斷、倒立擺動控制系統(tǒng)、衛(wèi)星導航、經濟學以及生物控制等領域都有著廣泛應用前景。
　　本文對粒子濾波的

2、發(fā)展背景和意義做了概述，由狀態(tài)方程出發(fā)，通過貝葉斯理論和蒙特卡洛采樣推導出粒子濾波的基本原理。根據標準粒子濾波分析現有粒子濾波存在著估計精度不高、粒子蛻化、重要函數難選擇、計算量大以及實時性差等缺點。本文結合擴展卡爾曼粒子濾波和不敏卡爾曼粒子濾波結構，利用Gauss-Hermite卡爾曼作為重要函數的Gauss-Hermite卡爾曼粒子濾波算法。其算法復雜度低于不敏卡爾曼粒子濾波，而其性能則高于擴展卡爾曼粒子濾波，它為粒子濾波的重要性函

3、數提供了多一種選擇。
　　研究了四種基本重采樣算法并把四種算法仿真比較，并對其不能完全拋棄較小粒子提出了改進思路。根據自適應重采樣算法，改進得到了線性自適應重采樣算法，這種算法雖然要犧牲估計精度卻非常高效的在硬件上實現。通過權值優(yōu)選思想，結合自適應重采樣算法對其算法時間上進行改進，避免了大量數據的排序的問題，降低其算法復雜度，但其性能接近原來的權值優(yōu)選算法。
　　最后研究了粒子濾波的電路設計，分析了粒子濾波電路設計存在著較大