对称alpha稳定噪声下粒子滤波的应用

发布时间：2021-01-14 14:08

　　基本卡尔曼滤波是贝叶斯估计理论应用于高斯噪声下线性系统的最优估计方法。由于基本卡尔曼滤波对状态方程和测量方程做了高斯性的假设,限制了其在非高斯噪声下的应用。考虑在非高斯对称alpha稳定噪声下,其不存在显式概率密度函数且不存在二阶及以上的高阶矩,所以基本卡尔曼滤波方法失效,转而应用基于蒙特卡罗算法的粒子滤波方法。对蒙特卡罗算法、重要性抽样和重采样等重要性概念进行了详细的说明,并给出了粒子滤波递归的采样模拟过程,提出一种用基于蒙特卡罗采样方法的粒子滤波结合无穷级数截断近似对称alpha稳定分布的概率密度函数的方法。根据实际的雷达跟踪问题,分别在观测噪声为高斯噪声和对称alpha稳定噪声两种情况下进行了状态估计的仿真模拟。在高斯噪声下,对基本卡尔曼滤波算法进行了仿真模拟,直观地说明了针对高斯噪声下的线性离散系统,基本卡尔曼滤波能够给出最优的估计。而在非高斯对称alpha稳定噪声下,用粒子滤波结合无穷级数近似的统计模拟方法,也给出了很好的估计效果,只是,相对基本卡尔曼来说,没有表现某种渐近稳定性。 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

Guass噪声下随时刻t变化的x方向位置

()()00101000()0200001ZkXkVkT 观测方程：图 5-1 Guass 噪声下随时刻 t 变化的 x 方向位置

Guass噪声下随时刻t变化的y方向位置

【参考文献】：
期刊论文
[1]基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用[J]. 陈志敏,薄煜明,吴盘龙,段文勇,刘正凡.  控制与决策. 2013(02)
[2]一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法[J]. 夏楠,邱天爽,李景春,李书芳.  电子学报. 2013(01)
[3]基于主成分分析的粒子滤波器目标跟踪方法[J]. 王欣,赵连义,薛龙.  吉林大学学报(理学版). 2012(06)
[4]基于改进Bhattacharyya系数的粒子滤波视觉跟踪算法[J]. 朱明清,王智灵,陈宗海.  控制与决策. 2012(10)
[5]基于结构分解的GPS/INS组合导航粒子滤波技术[J]. 熊剑,刘建业,赖际舟,周翟和.  控制与决策. 2012(06)
[6]自适应UKF算法在目标跟踪中的应用[J]. 石勇,韩崇昭.  自动化学报. 2011(06)
[7]基于强跟踪UKF的自适应SLAM算法[J]. 张文玲,朱明清,陈宗海.  机器人. 2010(02)



本文编号：2976995