基于广义UT变换的交互式多模型粒子滤波算法

基于广义UT变换的交互式多模型粒子滤波算法

ID:37593775

大小:1.38 MB

页数:7页

时间:2019-05-25

基于广义UT变换的交互式多模型粒子滤波算法_第1页
基于广义UT变换的交互式多模型粒子滤波算法_第2页
基于广义UT变换的交互式多模型粒子滤波算法_第3页
基于广义UT变换的交互式多模型粒子滤波算法_第4页
基于广义UT变换的交互式多模型粒子滤波算法_第5页
资源描述:

《基于广义UT变换的交互式多模型粒子滤波算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第6期电子学报Vol.38No.62010年6月ACTAELECTRONICASINICAJun.2010基于广义UT变换的交互式多模型粒子滤波算法胡振涛,潘泉,杨峰(西北工业大学自动化学院,陕西西安710072)摘要:针对粒子滤波中重采样过程与优化提议分布的处理方式导致的粒子溃退和算法实时性下降问题,通过广义UT变换原理和卡尔曼滤波预测更新机制的引入,实现当前量测信息对于状态估计结果的直接优化,给出了一种基于广义UT变换的粒子滤波算法.另外,将改进后算法与交互式多模型相结合,进而提出了一种基于广义UT

2、变换的交互式多模型粒子滤波算法.理论分析和仿真结果表明:新算法在计算复杂度方面与标准粒子滤波相近,在滤波精度方面优于标准粒子滤波及其改进算法.关键词:混合系统;粒子滤波;交互式多模式;广义UT变换中图分类号:TP391文献标识码:A文章编号:03722112(2010)06144306InteractingMultipleModelParticleFilteringAlgorithmBasedonGeneralizedUnscentedTransformationHUZhentao,PANQua

3、n,YANGFeng(CollegeofAutomation,NorthwesternPolytechnicalUniversity,Xi’an,Shaanxi710072,China)Abstract:Tosolvetheparticlesimpoverishmentandtherealtimedeclinecausedbyresamplingandtheproposaldistributionoptimization,anovelparticlefilteringalgorithmbasedo

4、ngeneralizedunscentedtransformationisproposed.ThegeneralizedunscentedtransformandtheonestepstatepredictionandobservationupdateofKalmanfilterareintroducedtorealizetheoptimizationofstateestimationbythelatestobservationinformation.Then,bymeansofcombiningt

5、heimprovedalgorithmwithinteractingmultiplemodel,theinteractingmultiplemodelparticlefilteringalgorithmbasedongeneralizedunscentedtransformationisproposed.Thetheoreticalanalysisandexperimentalresultsshowthatthenewalgorithmisclosetothestandardparticlefilte

6、rincomputationalcomplexityandsuperiortothestandardparticlefilteranditsimprovedalgorithmsinprecision.Keywords:hybridsystem;particlefiltering;interactingmultiplemodel;generalizedunscentedtransformationPF替换IMM中的次优滤波器,以提升滤波估计精度,并1引言[4,5]取得较好的估计结果.在复杂混合系统的建模

7、中,考虑到状态演化形式的在粒子滤波中一个普遍存在的问题就是粒子退化多样性和环境的复杂性,建立其能够包含各种情况的全现象,其实质是随着迭代次数增加,滤波器中用以逼近局统计模型是不现实的,一般采用多模型算法.在此类后验概率分布采样粒子有效性减弱的表现[6,7].针对粒方法中,以交互式多模型算法(IMM)较为优越,它采用子退化现象的解决,目前主要有两种思路:重采样和提一种模型“软切换”机制,实现模型可靠辨识和状态有效议分布优选.重采样过程的引入一定程度上抑制了粒子[1,2]估计之间的平衡.对于线性系统,IMM

8、中子滤波器退化现象,但同时也造成了粒子枯竭问题.一般在重采通常采用卡尔曼滤波(KF),在一定程度上补偿了折中样过程后引入MCMC(MarkovChainMonteCarlo)移动处平衡过程所带来滤波精度的损失.然而,对于非线性系理,使得粒子集趋于平稳分布,实现粒子间相关性的减统,子滤波器中次优滤波器的采用将进一步加大折中策弱和粒子多样性的增强,然而算法实现过程需要完成三[3]略对于滤波估计的不利影响,导致滤波精度的下降.次粒子采样和粒子权重

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。