發(fā)布時間：2023-01-31 20:25

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

【文章頁數(shù)】：5 頁

【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 仿真結果及分析
結束語


【參考文獻】：
期刊論文
[1]一種基于改進粒子濾波的運動目標跟蹤[J]. 李志,謝強.  計算機科學. 2014(02)
[2]自適應不完全重采樣粒子濾波器[J]. 左軍毅,張怡哲,梁彥.  自動化學報. 2012(04)

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



本文編號：3733975