学位论文 > 优秀研究生学位论文题录展示
基于粒子滤波的混合估计理论与应用
作 者: 杨小军
导 师: 张洪才;潘泉
学 校: 西北工业大学
专 业: 控制理论与控制工程
关键词: Bayes最优估计 Monte Carlo粒子滤波 多模型混合估计 检测跟踪一体化 传感器网络
分类号: TN911.23
类 型: 博士论文
年 份: 2006年
下 载: 1610次
引 用: 8次
阅 读: 论文下载
内容摘要
随着科学技术的发展,系统规模及复杂性在不断增加,对系统性能的要求在不断提高,同时信息获取的手段也在不断增多,因而面向复杂系统、复杂环境、网络化平台的估计问题成为现代估计理论的前沿领域。本文基于粒子滤波方法,对混合系统以及复杂环境下动态估计中的若干关键问题,从理论和算法上进行了深入研究,主要工作如下: 1.在Bayes框架下,综述了基于序贯Monte Carlo仿真方法的粒子滤波原理、收敛性、研究进展及其应用,讨论了粒子方法的新发展、新动态。 2.对多模型混合系统的状态估计问题,利用模型的结构特点,结合Rao-Blackwellisation技术和Kalman滤波技术,分别提出了迭代粒子滤波器和固定区间、固定延迟粒子平滑器。算例分析结果表明,本文所提出的滤波器和平滑器是可行的,估计性能有明显改善。 3.混合估计理论上的Cramér-Rao下界(CRLB)需要穷举所有可能的模型序列,计算量随时间指数增加。本文通过使用有限个模型序列假设子集,提出了一种CRLB的近似表达式,并且基于粒子滤波器和Monte Carlo仿真方法,给出了CRLB的一种近似计算方法,算例分析表明了作者方法的可行性及有效性。 4.对具有未知转移概率的混合系统,提出了一种基于粒子滤波器的自适应Monte Carlo估计算法,利用状态空间的一组随机样本探索系统状态和模型的演化,对模型转移概率、系统状态和模型概率同时进行在线估计。对模型中的未知参数提出一种基于粒子滤波和SPSA随机逼近的自适应估计算法,实现了系统状态和参数的联合估计,仿真结果表明了算法的有效性。 5.针对低探测概率下的估计问题,为了充分利用传感器提供的一切信息,通过建立传感器检测概率模型,在Bayes框架下,将传感器是否检测到目标的检测信息也进行融合,从而得到一种增强的粒子滤波器,仿真结果表明该方法可以提高估计精度。 6.基于粒子滤波和似然比方法提出了一种检测跟踪一体化算法。直接利用传感器的原始数据,由粒子滤波器得到目标状态的后验概率分布,检测是基于滤波器的输出,利用Bayes似然比作为检测的判决准则。该方法较好地利用了先验信息和量测信息,将目标检测和跟踪过程统一为一个整体,仿真结果表
|
全文目录
摘要 4-6 ABSTRACT 6-11 第一章 绪论 11-35 1.1 引言 11-12 1.2 Bayes估计理论 12-19 1.2.1 Bayes推理 12-13 1.2.2 迭代Bayes估计 13-16 1.2.3 最优估计 16-17 1.2.4 次优估计 17-19 1.3 Monte Carlo粒子滤波综述 19-29 1.3.1 粒子滤波原理 20-25 1.3.2 粒子滤波器研究进展 25-29 1.4 多模型混合估计 29-33 1.4.1 多模型算法原理 29-32 1.4.2 混合估计研究进展 32-33 1.5 论文章节安排 33-35 第二章 混合估计的粒子滤波和平滑算法 35-54 2.1 引言 35 2.2 现有估计算法存在的问题 35-38 2.3 RB高斯混合粒子滤波器 38-42 2.4 混合系统固定区间粒子平滑器 42-46 2.5 混合系统固定延迟粒子平滑器 46-51 2.6 算例分析 51-53 2.7 小结 53-54 第三章 混合估计的性能边界分析 54-65 3.1 引言 54 3.2 混合估计的后验Cramér-Rao下界 54-59 3.2.1 混合估计理论上的Cramér-Rao下界 55-57 3.2.2 混合估计Cramér-Rao下界的近似表达式 57-59 3.3 混合估计CRLB的近似计算方法 59-61 3.4 算例分析 61-64 3.5 小结 64-65 第四章 参数未知的动态系统自适应Monte Carlo估计 65-79 4.1 引言 65-66 4.2 转移概率自适应的Monte Carlo混合估计 66-73 4.2.1 问题描述 66 4.2.2 混合系统的转移概率在线自适应估计 66-69 4.2.3 算例分析 69-73 4.3 基于粒子滤波和随机逼近的参数和状态联合估计 73-78 4.3.1 问题描述 73-75 4.3.2 算法步骤 75-76 4.3.3 算例分析 76-78 4.4 小结 78-79 第五章 融合检测信息的增强粒子滤波器 79-88 5.1 引言 79 5.2 问题描述 79-82 5.2.1 传感器检测概率模型 80-81 5.2.2 传感器信息的融合似然度 81-82 5.3 基于粒子滤波和检测信息的融合估计 82-83 5.4 仿真分析 83-87 5.5 小结 87-88 第六章 基于粒子滤波的检测跟踪一体化 88-102 6.1 引言 88-89 6.2 基于粒子滤波和似然比的检测跟踪一体化 89-93 6.2.1 问题描述 89-90 6.2.2 算法步骤 90-93 6.3 序列图像运动目标的检测和跟踪 93-98 6.4 算法性能分析 98-101 6.5 小结 101-102 第七章 传感器网络下混合估计的协同自组织算法 102-113 7.1 引言 102-103 7.2 问题描述 103-104 7.3 传感器网络下混合系统动态协同跟踪算法 104-109 7.3.1 多传感器粒子滤波 104 7.3.2 混合高斯粒子滤波器 104-105 7.3.3 估计精度和能量约束下的传感器选择 105-107 7.3.4 算法步骤 107-109 7.4 仿真分析 109-112 7.5 小结 112-113 第八章 总结与展望 113-116 8.1 本文工作总结 113-114 8.2 展望 114-116 参考文献 116-130 攻读博士学位期间发表论文和参加科研情况说明 130-131 致谢 131-132
|
相似论文
- 基于无线传感器网络的电动汽车电池组综合测试技术研究,U469.72
- 多端口网络通信平台的设计与实现,TN929.5
- 传感器网络中渐变事件监测研究,TP212.9
- 无线传感器网络上的数据聚集调度算法,TP212.9
- 无线传感器网络中定位攻击检测技术研究,TP212.9
- 基于功能节点的无线传感器网络多对密钥管理协议研究,TP212.9
- 基于LEACH的安全建簇无线传感器网络路由协议研究,TP212.9
- 一种老年人移动健康监护系统的研究,TN929.5
- 无线传感器网络组播路由协议研究,TN929.5
- 基于地理位置的WSNs路由算法研究与改进,TN929.5
- 基于ZigBee技术的无线传感器网络研究与实现,TN929.5
- 一种自适应选择处理节点的时空查询算法,TN929.5
- 无线传感器网络MAC协议的研究,TN915.04
- 无线传感器网络节点定位算法的研究,TN929.5
- 城市照明管理系统中的时间同步方法研究,TM923
- 随机路由在无线传感器网络中的研究与应用,TN929.5
- 基于无线传感器网络的煤矿瓦斯监测系统的研究,TN929.5
- 基于行为可信的无线传感器网络入侵检测技术的研究,TP212.9
- 基于区域的无线传感器网络密钥管理方案研究,TP212.9
- 基于zigbee的智能楼宇环境监测无线传感网络,TN929.5
- 基于无线传感器网络的农田环境监测系统路由协议的研究,TN915.04
中图分类: > 工业技术 > 无线电电子学、电信技术 > 通信 > 通信理论 > 信息论 > 信号检测与估计
© 2012 www.xueweilunwen.com
|