本文選題：粒子濾波　切入點(diǎn)：重采樣　出處：《西安理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：粒子濾波是一種基于貝葉斯估計(jì)理論和蒙特卡羅方法的濾波算法,其基本思想是利用一組狀態(tài)空間中的隨機(jī)樣本,來近似后驗(yàn)概率密度函數(shù),最后根據(jù)蒙特卡羅方法對(duì)狀態(tài)值進(jìn)行估計(jì)。對(duì)于非線性,非高斯系統(tǒng)有著高度的適應(yīng)性,且精度其逼近最優(yōu)估計(jì),成為當(dāng)前最熱門的濾波算法之一。本文首先對(duì)粒子濾波算法的研究現(xiàn)狀和背景意義進(jìn)行了介紹,然后從貝葉斯估計(jì)和蒙特卡羅方法入手,對(duì)序貫重要性采樣算法做了詳細(xì)的分析,并就粒子退化問題對(duì)重要性函數(shù)和重采樣進(jìn)行了介紹,在此基礎(chǔ)上引出了基本的粒子濾波算法。由于粒子濾波算法需要大量的粒子參與運(yùn)算,因此決定了其存在計(jì)算量大,復(fù)雜度高,實(shí)時(shí)性差的缺點(diǎn),限制了粒子濾波在實(shí)時(shí)系統(tǒng)中的應(yīng)用。因此本文基于重采樣對(duì)粒子濾波算法進(jìn)行改進(jìn)和簡(jiǎn)化,介紹了常見的多項(xiàng)式重采樣、系統(tǒng)重采樣和殘差重采樣,并對(duì)其硬件實(shí)現(xiàn)的復(fù)雜度和運(yùn)算速度進(jìn)行了分析。為了進(jìn)一步提高粒子濾波算法的實(shí)時(shí)性,本文基于部分重采樣算法進(jìn)行改進(jìn),提出了一種基于線性組合的重采樣算法。改進(jìn)的重采樣算法電路結(jié)構(gòu)相對(duì)較為簡(jiǎn)單,不需要進(jìn)行權(quán)值歸一化操作,并非簡(jiǎn)單地進(jìn)行對(duì)大權(quán)值粒子進(jìn)行復(fù)制,而是通過線性組合產(chǎn)生新的粒子代替小權(quán)值粒子,有效地避免了粒子多樣性的喪失,這種算法在保證濾波精度的基礎(chǔ)上,大幅度的降低了運(yùn)行時(shí)間。最后本文以二維純方位目標(biāo)跟蹤系統(tǒng)為應(yīng)用場(chǎng)景,給出了改進(jìn)簡(jiǎn)化后粒子濾波算法的明確步驟。同時(shí)對(duì)粒子濾波算法的硬件設(shè)計(jì)進(jìn)行了研究,將其硬件結(jié)構(gòu)主要?jiǎng)澐譃椴蓸幽K,權(quán)值計(jì)算模塊,重采樣模塊和狀態(tài)估計(jì)輸出模塊。分析了粒子濾波并行執(zhí)行思路,通過將其分解為多個(gè)并行的PE單元,對(duì)粒子處理任務(wù)進(jìn)行分解,從而提高算法的實(shí)時(shí)性。然后分別對(duì)各個(gè)模塊進(jìn)行Verilog硬件電路描述,并利用ModelSim進(jìn)行功能仿真,驗(yàn)證了硬件電路的正確性。最后將各個(gè)模塊進(jìn)行連接,在FPGA開發(fā)板上完成設(shè)計(jì)驗(yàn)證。
[Abstract]:Particle filter is a filtering algorithm based on Bayesian estimation theory and Monte Carlo method. Its basic idea is to approximate the posterior probability density function by using a set of random samples in the state space. Finally, the state value is estimated according to Monte Carlo method. For nonlinear, non-#china_person0# system has high adaptability, and its accuracy approximates the optimal estimation. This paper first introduces the research status and background significance of particle filter algorithm, and then starts with Bayesian estimation and Monte Carlo method. The sequential importance sampling algorithm is analyzed in detail, and the importance function and resampling of particle degradation are introduced. On this basis, the basic particle filter algorithm is introduced. Because the particle filter algorithm needs a large number of particles to participate in the operation, it has the shortcomings of large computation, high complexity and poor real-time performance. Therefore, this paper improves and simplifies the particle filter algorithm based on resampling, and introduces the common polynomial resampling, system resampling and residuals resampling. In order to further improve the real-time performance of particle filter algorithm, this paper improves it based on partial resampling algorithm. A resampling algorithm based on linear combination is proposed. The circuit structure of the improved resampling algorithm is relatively simple. Instead of small weight particles, new particles are generated by linear combination, which can effectively avoid the loss of particle diversity. Finally, taking the two-dimensional azimuth only target tracking system as the application scene, the explicit steps of improving the simplified particle filter algorithm are given. At the same time, the hardware design of the particle filter algorithm is studied. The hardware structure is divided into sampling module, weight calculating module, resampling module and state estimation output module. The task of particle processing is decomposed to improve the real-time performance of the algorithm. Then the Verilog hardware circuit is described for each module, and the function is simulated by ModelSim to verify the correctness of the hardware circuit. Finally, each module is connected. Complete design verification on FPGA development board.
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TN713;TN791

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 張龍;崔乃剛;楊峰;路菲;盧寶剛;;高階容積卡爾曼濾波及其在目標(biāo)跟蹤中的應(yīng)用[J];哈爾濱工程大學(xué)學(xué)報(bào);2016年04期

2 谷文華;蔣念平;李振興;;基于粒子濾波的TLD目標(biāo)跟蹤算法[J];電子科技;2015年12期

3 楊寧;錢峰;朱瑞;;基于遺傳算法的改進(jìn)粒子濾波算法[J];上海交通大學(xué)學(xué)報(bào);2011年10期

4 章飛;周杏鵬;陳小惠;;基于小波變換的粒子濾波目標(biāo)跟蹤算法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

5 朱安福;景占榮;羊彥;張安學(xué);;UKF及其在目標(biāo)跟蹤中的應(yīng)用[J];火力與指揮控制;2008年08期

6 鄒國(guó)輝;敬忠良;胡洪濤;;基于優(yōu)化組合重采樣的粒子濾波算法[J];上海交通大學(xué)學(xué)報(bào);2006年07期

相關(guān)博士學(xué)位論文 前3條

1 李甫;粒子濾波算法研究及其電路設(shè)計(jì)[D];西安電子科技大學(xué);2010年

2 洪少華;基于粒子濾波的目標(biāo)跟蹤算法與硬件實(shí)現(xiàn)研究[D];浙江大學(xué);2010年

3 朱勝利;Mean Shift及相關(guān)算法在視頻跟蹤中的研究[D];浙江大學(xué);2006年

相關(guān)碩士學(xué)位論文 前6條

1 魏國(guó)華;粒子濾波算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

2 何欣欣;粒子濾波算法及其在目標(biāo)跟蹤中的應(yīng)用[D];昆明理工大學(xué);2013年

3 沈振;粒子濾波算法研究及其在機(jī)動(dòng)目標(biāo)跟蹤中的應(yīng)用[D];電子科技大學(xué);2012年

4 劉正勇;基于FPGA的粒子濾波算法硬件實(shí)現(xiàn)[D];西安電子科技大學(xué);2011年

5 李倩;基于FPGA的非線性濾波算法實(shí)現(xiàn)研究[D];西安電子科技大學(xué);2010年

6 鄧文壇;基于FPGA實(shí)現(xiàn)的粒子濾波算法研究[D];北京交通大學(xué);2008年

，

本文編號(hào)：1650445