一种改进的粒子滤波算法及其在GPS/DR组合定位中的应用

发布时间：2023-01-31 20:25

　　针对粒子滤波的重要性密度函数选择问题,提出一种基于集合卡尔曼滤波（Ensemble Kalman Filter,EnKF）的改进粒子滤波算法。该方法利用集合卡尔曼滤波产生粒子滤波在每一时刻各粒子的重要性密度函数,在融合最新观测信息的同时,使重要性密度函数更加符合状态的真实后验概率分布。为消除样本枯竭现象,对重采样后的粒子进行马尔科夫链蒙特卡洛处理。在仿真实验中,将新算法用于GPS/DR组合定位系统,与粒子滤波、扩展卡尔曼粒子滤波以及无迹粒子滤波进行比较。仿真结果表明,该算法的估计精度高于传统粒子滤波算法,同时其能够有效控制计算量,并且在粒子数目较少时仍能保证较好的估计性能。 

【文章页数】：5 页

【文章目录】：
1 引言
2 GPS/DR组合系统模型
3 基于集合卡尔曼滤波的粒子滤波算法
    3.1 粒子滤波
    3.2 集合卡尔曼滤波
    3.3 利用EnKF产生重要性密度函数
    3.4 马尔科夫链蒙特卡洛方法
    3.5 集合卡尔曼粒子滤波
4 仿真结果及分析
结束语


【参考文献】：
期刊论文
[1]一种基于改进粒子滤波的运动目标跟踪[J]. 李志,谢强.  计算机科学. 2014(02)
[2]自适应不完全重采样粒子滤波器[J]. 左军毅,张怡哲,梁彦.  自动化学报. 2012(04)

博士论文
[1]粒子滤波算法研究及其在GPS/DR组合导航中的应用[D]. 宫轶松.解放军信息工程大学 2010



本文编号：3733975