粒子滤波及其在导航系统中的应用综述

《粒子滤波及其在导航系统中的应用综述》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、粒子滤波及其在导航系统中的应用综述第14卷第6期中国惯性技术学报Vol.14No.62006年12月JournalofChineseInertialTechnologyDec.2006文章编号：1005-6734(2006)06-0091-04张共愿，赵忠（西北工业大学自动化学院，西安710072）摘要：传统的扩展卡尔曼滤波方法要求对非线性系统近似线性化，有可能会引入较大的模型误差。应用粒子滤波解决了这一问题。该算法可以直接应用于原系统的非线性模型当中，并且不需考虑系统噪声和量测噪声是否为高斯白噪声，都能得到很好的滤波效果。文中介绍了粒子滤波的理论基础—贝叶斯估计及具体的

2、实现方式—蒙特卡罗方法；指出粒子滤波存在的退化问题，并从减小退化现象入手将重要性采样和再采样方法引入到算法之中；最后阐述了粒子滤波在导航系统中的一些应用。关键词：粒子滤波；贝叶斯估计；蒙特卡罗；组合导航；初始对准中图分类号：U666.1文献标识码：AOverviewofparticlefilteranditsapplicationsin———————————————————————————————————————————————integratednavigationsystemZHANGGong-yuan,ZHAOZhong（AutomationCollege,Nort

3、hwesternPolytechnicalUniversity,Xi’an710072,China）Abstract:TraditionalExtendedKalmanFilter(EKF)maybringseriousmodelerrors.Toovercomethisproblem,analgorithmofparticlefilteringwasdeveloped.Itcouldbedirectlyappliedtothenonlinearmodeloftheinitialsystem,andcouldgetgoodfilteringresultwhetherthe

4、systemnoiseormeasurednoisewasGaussianornot.ThepaperintroducedthefilteringalgorithmanditsapplicationsinINS,includingBayesianstateestimationandSequentialMoteCarlosampling.Toovercomethedegeneracyinparticlefiltering,animportancesamplingandre-samplingmethodwasintroducedintothealgorithm.Theappl

5、icationsofparticlefilteringinnavigationsystemwerepresentedatlast.Keywords:particlefilter;Bayesianestimation;MoteCarlo;integratednavigation;initialalignment0引言对于非线性滤波的研究，很多学者提出了不少方法[1~4]，这些算法都是基于贝叶斯估计的序贯重要性采样（SequentialImportanceSampling，SIS）思想。Hammersley等人在20世纪50——————————————————————————

6、—————————————————————年代末就提出了基本的SIS方法[5]，并在60年代使之得到进一步发展[6]，但上述研究始终没能解决粒子数匮乏现象和计算量制约等问题，因此未引起人们的重视。随着计算机硬件和软件技术的迅速发展，Gordon等人[1]1993年提出了一种基于SIS的Bootstrap非线性滤波方法，从而奠定了粒子滤波算法的基础。粒子滤波可以应用于任何动态状态空间模型。对于许多导航系统来说，其状态方程和观测方程都具有不同程度的非线性，这就促使人们去研究和探索适合于该导航系统特点的滤波方法。在传统维纳滤波（WienerFiltering）、卡尔曼滤波及扩展

7、卡尔曼滤波（ExtendKalmanFiltering，EKF）不能处理的非线性非高斯问题上，粒子滤波显得尤为重要，这种滤波算法采用递推方式，易于在计算机上实现，并且该算法能较好地适应观测信息出现异常突变时的情况。收稿日期：2006-08-13；修回日期：2006-12-19作者简介：张共愿（1981—），男，硕士研究生，主要研究方向为现代控制理论、非线性滤波、惯性导航技术。电子邮箱：tongxinyuan_2005@126.com2006年12月中国惯性技术学报921基本粒子滤波算法1.1递推贝叶斯估计方法假定离散系统的状态