粒子滤波算法研究及其在非线性估计中的应用
发布时间：2021-05-26 09:36
在目标跟踪定位、图像处理、通信和控制等领域,研究者常常需要根据各种量测数据推导出系统内不易获得的其他相关数据,以此来判断系统的运行状态或对系统的运行进行控制。这种通过量测值来获得系统状态变量的方法在统计学和信号处理领域属于参数估计的范畴。系统状态变量的参数估计可以根据系统的不同特征以及系统内部或量测过程中混有的噪声类别,选取不同的滤波算法对其进行估计计算。无论对于线性系统或非线性系统模型,大多数滤波算法都可以归类为基于统计学理论的递归贝叶斯估计算法。对于线性高斯系统模型,卡尔曼滤波算法就是系统状态变量参数估计的最优解。然而在现实情况中,非线性才是绝大多数系统所具有的特点。在卡尔曼滤波算法的结构基础上,扩展卡尔曼系列滤波算法通过非线性函数的泰勒级数展开对非线性系统进行线性化,从而得到系统状态变量参数估计的次优解;尽管这种算法由于其计算的高效性而得到广泛应用,但是对于非线性程度较高的系统,由于需要对非线性系统进行线性化处理,使得该算法的计算精度不够高,且高阶泰勒级数展开在递归计算的过程中增加了很大的计算量。为了避免对非线性系统的线性化过程,无迹卡尔曼滤波算法利用无迹变换作为线性化过程的替代...
【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】：127 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 参数估计概述
1.2 滤波算法概述
1.3 递归贝叶斯估计
1.4 本文主要研究内容和章节安排
2 线性系统最优滤波算法及其非线性衍生算法
2.1 引言
2.2 维纳滤波理论
2.3 卡尔曼滤波(KF)理论
2.4 扩展卡尔曼滤波(EKF)理论
2.5 无迹卡尔曼滤波(UKF)理论
2.6 本章小结
3 粒子滤波及相关算法研究
3.1 引言
3.2 粒子滤波算法的数学模型
3.3 重采样算法
3.4 序贯蒙特卡罗方法
3.5 几种改进的粒子滤波算法
3.6 粒子滤波算法的应用
3.7 本章小结
4 基于相关系数的粒子滤波算法
4.1 引言
4.2 相关系数
4.3 相关系数的时间复杂度
4.4 基于相关系数的粒子滤波算法(CCPF)
4.5 CCPF算法的收敛性证明
4.6 本章小结
5 CCPF算法在非线性系统中的参数估计
5.1 引言
5.2 一维非线性系统模型及参数估计
5.3 多维谐波模型及参数估计
5.4 本章小结
6 总结和展望
6.1 论文总结
6.2 工作展望
致谢
参考文献
附录1 攻读学位期间发表论文目录
附录2 攻读博士学位期间参与的科研项目
【参考文献】：
期刊论文
[1]基于无迹粒子滤波的车载锂离子电池状态估计[J]. 谢长君,费亚龙,曾春年,房伟. 电工技术学报. 2018(17)
[2]面向信息物理融合能源系统的大规模风电场发电功率随机特性分析模型与算法[J]. 吴江,靳晶新,管晓宏,谢栋,卢春明. 中国电机工程学报. 2016(15)
[3]基于粒子滤波的变电站内动态目标跟踪技术[J]. 赵建东,孙鑫,吴龙美. 北京交通大学学报. 2013(04)
[4]一种基于改进重采样的粒子滤波算法[J]. 于春娣,丁勇,李伟,薛琳强. 计算机应用与软件. 2013(02)
[5]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)
[6]粒子滤波综述[J]. 吕德潮,范江涛,韩刚瓮,马冠一. 天文研究与技术. 2013(04)
[7]基于卡尔曼滤波的电压扰动检测算法[J]. 任文琳,赵庆生,何志方. 水电能源科学. 2012(11)
[8]基于粒子滤波算法的电力系统短期负荷预测研究[J]. 李凯,刘金海,陆岩. 电力学报. 2011(06)
[9]采用双重采样的移动机器人Monte Carlo定位方法[J]. 李天成,孙树栋. 自动化学报. 2010(09)
[10]基于RBPF和数据关联的多目标跟踪[J]. 杨毅,吴炜,杨晓敏,陈默,王正勇. 计算机工程. 2010(06)
博士论文
[1]基于粒子滤波框架目标跟踪优化算法的研究[D]. 孟军英.燕山大学 2014
[2]基于模型预测控制和卡尔曼滤波的统一电能质量调节器的研究[D]. 张旭.天津大学 2010
[3]音视频联合说话人定位与跟踪方法研究[D]. 金乃高.大连理工大学 2008
[4]基于粒子滤波的图像跟踪算法研究[D]. 张波.上海交通大学 2007
[5]非线性滤波方法在导航系统中的应用研究[D]. 李涛.国防科学技术大学 2003
本文编号：3206152
【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】：127 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 参数估计概述
1.2 滤波算法概述
1.3 递归贝叶斯估计
1.4 本文主要研究内容和章节安排
2 线性系统最优滤波算法及其非线性衍生算法
2.1 引言
2.2 维纳滤波理论
2.3 卡尔曼滤波(KF)理论
2.4 扩展卡尔曼滤波(EKF)理论
2.5 无迹卡尔曼滤波(UKF)理论
2.6 本章小结
3 粒子滤波及相关算法研究
3.1 引言
3.2 粒子滤波算法的数学模型
3.3 重采样算法
3.4 序贯蒙特卡罗方法
3.5 几种改进的粒子滤波算法
3.6 粒子滤波算法的应用
3.7 本章小结
4 基于相关系数的粒子滤波算法
4.1 引言
4.2 相关系数
4.3 相关系数的时间复杂度
4.4 基于相关系数的粒子滤波算法(CCPF)
4.5 CCPF算法的收敛性证明
4.6 本章小结
5 CCPF算法在非线性系统中的参数估计
5.1 引言
5.2 一维非线性系统模型及参数估计
5.3 多维谐波模型及参数估计
5.4 本章小结
6 总结和展望
6.1 论文总结
6.2 工作展望
致谢
参考文献
附录1 攻读学位期间发表论文目录
附录2 攻读博士学位期间参与的科研项目
【参考文献】：
期刊论文
[1]基于无迹粒子滤波的车载锂离子电池状态估计[J]. 谢长君,费亚龙,曾春年,房伟. 电工技术学报. 2018(17)
[2]面向信息物理融合能源系统的大规模风电场发电功率随机特性分析模型与算法[J]. 吴江,靳晶新,管晓宏,谢栋,卢春明. 中国电机工程学报. 2016(15)
[3]基于粒子滤波的变电站内动态目标跟踪技术[J]. 赵建东,孙鑫,吴龙美. 北京交通大学学报. 2013(04)
[4]一种基于改进重采样的粒子滤波算法[J]. 于春娣,丁勇,李伟,薛琳强. 计算机应用与软件. 2013(02)
[5]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)
[6]粒子滤波综述[J]. 吕德潮,范江涛,韩刚瓮,马冠一. 天文研究与技术. 2013(04)
[7]基于卡尔曼滤波的电压扰动检测算法[J]. 任文琳,赵庆生,何志方. 水电能源科学. 2012(11)
[8]基于粒子滤波算法的电力系统短期负荷预测研究[J]. 李凯,刘金海,陆岩. 电力学报. 2011(06)
[9]采用双重采样的移动机器人Monte Carlo定位方法[J]. 李天成,孙树栋. 自动化学报. 2010(09)
[10]基于RBPF和数据关联的多目标跟踪[J]. 杨毅,吴炜,杨晓敏,陈默,王正勇. 计算机工程. 2010(06)
博士论文
[1]基于粒子滤波框架目标跟踪优化算法的研究[D]. 孟军英.燕山大学 2014
[2]基于模型预测控制和卡尔曼滤波的统一电能质量调节器的研究[D]. 张旭.天津大学 2010
[3]音视频联合说话人定位与跟踪方法研究[D]. 金乃高.大连理工大学 2008
[4]基于粒子滤波的图像跟踪算法研究[D]. 张波.上海交通大学 2007
[5]非线性滤波方法在导航系统中的应用研究[D]. 李涛.国防科学技术大学 2003
本文编号：3206152
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3206152.html
