【摘要】：基于卡爾曼濾波線性高斯?fàn)顟B(tài)空間模型的參數(shù)估計(jì)為最優(yōu)估計(jì),然而在非線性/非高斯系統(tǒng)下,卡爾曼濾波將不再適用。近年來(lái),濾波問(wèn)題越來(lái)越復(fù)雜,對(duì)濾波的精度要求越來(lái)越高,過(guò)去的一些非線性濾波方法也越來(lái)越無(wú)法解決現(xiàn)實(shí)中的問(wèn)題。粒子濾波是一種新的非線性濾波方法,對(duì)于系統(tǒng)模型特性以及噪聲分布不作要求,因此在現(xiàn)實(shí)的濾波任務(wù)中應(yīng)用廣泛,特別在非線性、非高斯?fàn)顟B(tài)空間模型參數(shù)估計(jì)的運(yùn)用上受到重視。但是,粒子濾波方法在快速發(fā)展的同時(shí),一些問(wèn)題仍有待解決,尤其是樣本退化問(wèn)題,使得粒子濾波的發(fā)展和應(yīng)用受到限制,對(duì)非線性、非高斯?fàn)顟B(tài)空間模型的參數(shù)估計(jì)產(chǎn)生較大的偏差。因此,對(duì)粒子濾波方法進(jìn)行優(yōu)化和改進(jìn)對(duì)于非線性、非高斯?fàn)顟B(tài)空間模型的參數(shù)估計(jì)和完善濾波理論、拓展其應(yīng)用領(lǐng)域具有重要的意義。文章基于序貫重要性重采樣粒子濾波算法提出分段粒子濾波,解決由于樣本退化而帶來(lái)的參數(shù)估計(jì)失真的問(wèn)題。分段粒子濾波將觀測(cè)數(shù)據(jù)劃分成段,基于序貫重要性重采樣粒子濾波對(duì)每段進(jìn)行參數(shù)估計(jì),最后運(yùn)用薈萃分析將每段的參數(shù)估計(jì)結(jié)果匯總合并,得到最終的參數(shù)估計(jì)結(jié)果。性能仿真與分析實(shí)驗(yàn)結(jié)果表明,對(duì)比于序貫重要性重采樣粒子濾波,分段粒子濾波有效地緩解了其退化問(wèn)題,改進(jìn)算法不僅在計(jì)算成本相當(dāng)?shù)那闆r下具有更好的估計(jì)效率,而且具有平行計(jì)算的特點(diǎn),此外,能夠?qū)崿F(xiàn)實(shí)時(shí)估計(jì),克服了蒙特卡羅馬爾科夫模擬方法的缺點(diǎn),并進(jìn)一步完善了粒子濾波理論,拓展其應(yīng)用領(lǐng)域。
【學(xué)位授予單位】：廈門(mén)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F224
【圖文】：

ｔ逡逑圖１：不同段長(zhǎng)參數(shù)估計(jì)效率對(duì)比圖逡逑圖１顯示同一組模擬數(shù)據(jù)，設(shè)置不同段長(zhǎng)的情況下，隨著時(shí)間推移，基于分段粒子濾波的參數(shù)估計(jì)值的均方根誤差變動(dòng)圖，每５逡逑個(gè)時(shí)間點(diǎn)為１個(gè)描繪點(diǎn)？均方根誤差ＲＭＳＥ０）的計(jì)算公式：ＲＭＳＥ（ｇ）邋＝邐，其中：Ｌ為獨(dú)立運(yùn)行算法的次數(shù)逡逑根據(jù)圖１可知，不同段長(zhǎng)的選擇影響均方根誤差的下降速度，不影響均方根逡逑誤差的收斂值。當(dāng)段長(zhǎng)ｄ邋＝１５或２５時(shí)，均方根誤差隨時(shí)間的推移下降速度最快，逡逑當(dāng)段長(zhǎng)ｄ邋＝５0或１00時(shí)，仍然存在樣本退化問(wèn)題，且浪費(fèi)了觀測(cè)信息。因此，選逡逑擇段長(zhǎng)ｄ邋＝邋１５或２５優(yōu)于段長(zhǎng)ｒｆ邋＝５０或１００。逡逑然而，在實(shí)際操作中，由于參數(shù)０的真實(shí)值未知，無(wú)法依據(jù)均方根誤差的大小來(lái)逡逑選擇段長(zhǎng)。分段的目的是為了避免樣本退化，因而段長(zhǎng)的選擇依據(jù)于樣本的退化逡逑程度。逡逑同一組模擬數(shù)據(jù)，圖２顯示當(dāng)粒子數(shù)目；Ｖｍ邋＝邋１００時(shí)，獨(dú)立運(yùn)行序貫重要性逡逑重采樣粒子濾波算法估計(jì)參數(shù)１００次

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 周芳龍;王浩;姚宏亮;;基于粒子濾波的非線性系統(tǒng)靜態(tài)參數(shù)估計(jì)方法[J];計(jì)算機(jī)應(yīng)用研究;2011年05期

2 甘敏;彭輝;王勇;;LTI狀態(tài)空間模型的參數(shù)估計(jì)[J];控制與決策;2009年01期

本文編號(hào)：2747137