發(fā)布時(shí)間：2023-01-31 20:25

　　針對(duì)粒子濾波的重要性密度函數(shù)選擇問(wèn)題,提出一種基于集合卡爾曼濾波（Ensemble Kalman Filter,EnKF）的改進(jìn)粒子濾波算法。該方法利用集合卡爾曼濾波產(chǎn)生粒子濾波在每一時(shí)刻各粒子的重要性密度函數(shù),在融合最新觀測(cè)信息的同時(shí),使重要性密度函數(shù)更加符合狀態(tài)的真實(shí)后驗(yàn)概率分布。為消除樣本枯竭現(xiàn)象,對(duì)重采樣后的粒子進(jìn)行馬爾科夫鏈蒙特卡洛處理。在仿真實(shí)驗(yàn)中,將新算法用于GPS/DR組合定位系統(tǒng),與粒子濾波、擴(kuò)展卡爾曼粒子濾波以及無(wú)跡粒子濾波進(jìn)行比較。仿真結(jié)果表明,該算法的估計(jì)精度高于傳統(tǒng)粒子濾波算法,同時(shí)其能夠有效控制計(jì)算量,并且在粒子數(shù)目較少時(shí)仍能保證較好的估計(jì)性能。 

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 引言
2 GPS/DR組合系統(tǒng)模型
3 基于集合卡爾曼濾波的粒子濾波算法
    3.1 粒子濾波
    3.2 集合卡爾曼濾波
    3.3 利用EnKF產(chǎn)生重要性密度函數(shù)
    3.4 馬爾科夫鏈蒙特卡洛方法
    3.5 集合卡爾曼粒子濾波
4 仿真結(jié)果及分析
結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]一種基于改進(jìn)粒子濾波的運(yùn)動(dòng)目標(biāo)跟蹤[J]. 李志,謝強(qiáng).  計(jì)算機(jī)科學(xué). 2014(02)
[2]自適應(yīng)不完全重采樣粒子濾波器[J]. 左軍毅,張怡哲,梁彥.  自動(dòng)化學(xué)報(bào). 2012(04)

博士論文
[1]粒子濾波算法研究及其在GPS/DR組合導(dǎo)航中的應(yīng)用[D]. 宮軼松.解放軍信息工程大學(xué) 2010



本文編號(hào)：3733975