学位论文 > 优秀研究生学位论文题录展示

粒子滤波器重采样算法的研究与改进

作　者: 王萌
导　师: 冯驰
学　校: 哈尔滨工程大学
专　业: 信号与信息处理
关键词: 贝叶斯滤波 粒子滤波器 重采样算法 智能优化
分类号: TN713
类　型: 硕士论文
年　份: 2008年
下　载: 385次
引　用: 4次
阅　读: 论文下载
 

内容摘要


粒子滤波器是一种基于蒙特卡罗和递推贝叶斯估计的算法。基本思想是在状态空间中用一系列加权样本来近似后验概率密度分布,以样本均值代替积分运算。原则上,粒子滤波器可以实现任意状态的估计,尤其在卡尔曼滤波器和扩展卡尔曼滤波器失效的非线性/非高斯状态估计中表现出优越的性能。粒子滤波器已经在目标跟踪、视觉跟踪、故障诊断、导航定位和无线通信等领域得到广泛应用。重采样算法是粒子滤波器中的重要步骤,是解决粒子滤波器退化问题的一重要手段。本文首先对粒子滤波器算法进行深入研究,详细介绍了算法的实现原理和步骤,并对重要性密度函数和重采样算法的选取进行简单讨论;然后从重采样实现原理、重采样质量和计算复杂度的角度对多项式重采样、残差重采样、分层重采样和系统重采样四种经典重采样算法进行了理论分析,并通过实验仿真比较四种重采样算法的性能。基于残差重采样和残差系统重采样,本文提出一种改进残差重采样算法,与残差重采样不同之处在于不再单独计算粒子复制次数,而是首先对粒子权重与总的粒子数的乘积累积求和取整,也就是求得累积粒子复制次数,然后输出粒子,保证重采样前后粒子数目不变,这样该算法就避免了残差重采样的残留粒子重采样问题,减少了运算量,从一定程度上提高了运行效率。在前人成功将进化规划和遗传算法成功地引入到粒子滤波器的基础上,本文引入高斯粒子群优化算法,在重采样之前对粒子进行优化,使得粒子智能协作起来,向真实状态值的后验概率密度分布移动。仿真结果表明,该算法估计性能优于传统粒子滤波器和引入马尔可夫链蒙特卡罗MCMC(MarkovChain Monte Carlo)的粒子滤波器。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-20
  1.1 滤波技术发展综述  11-13
  1.2 粒子滤波器的发展概况  13-19
    1.2.1 粒子滤波器的应用领域  13-17
    1.2.2 粒子滤波器的主要研究问题  17-19
  1.3 论文内容安排  19-20
第2章 贝叶斯滤波理论  20-47
  2.1 引言  20
  2.2 最优贝叶斯滤波  20-23
  2.3 非线性滤波  23-31
    2.3.1 扩展卡尔曼滤波(EKF)  23-26
    2.3.2 无迹卡尔曼滤波器(UKF)  26-31
  2.4 粒子滤波器  31-41
    2.4.1 粒子滤波器基本原理  31-32
    2.4.2 粒子滤波算法  32-36
    2.4.3 粒子滤波器中的重要问题  36-39
    2.4.4 SIR算法(Sampling Importance Resampling)  39-41
  2.5 实验仿真  41-46
  2.6 本章小结  46-47
第3章 经典重采样算法的研究  47-63
  3.1 引言  47
  3.2 重采样算法的基本实现  47-49
  3.3 四种经典重采样算法的实现理论  49-51
    3.3.1 多项式重采样  49
    3.3.2 分层重采样  49
    3.3.3 系统重采样  49-50
    3.3.4 残差重采样  50-51
  3.4 重采样算法的理论分析  51-54
    3.4.1 重采样算法的质量分析  51-53
    3.4.2 重采样算法的计算量分析  53-54
  3.5 有效样本数  54-55
  3.6 实验仿真  55-62
    3.6.1 一维单变量非平稳模型  55-57
    3.6.2 纯方位跟踪问题  57-62
  3.7 本章小结  62-63
第4章 改进重采样算法  63-81
  4.1 引言  63
  4.2 早期改进粒子滤波器  63-67
    4.2.1 正则粒子滤波器  63-66
    4.2.2 MCMC(Markov Chain Monte Carlo)  66-67
  4.3 基于经典重采样算法的改进算法  67-71
    4.3.1 残差系统重采样  67-68
    4.3.2 改进残差重采样算法  68-69
    4.3.3 仿真和结果分析  69-71
  4.4 基于智能优化算法的粒子滤波器  71-80
    4.4.1 基于进化算法的粒子滤波器  71-72
    4.4.2 基于遗传算法的粒子滤波器  72-73
    4.4.3 基于粒子群优化算法的粒子滤波器  73-77
    4.4.4 实验仿真  77-80
  4.5 本章小结  80-81
结论  81-83
参考文献  83-90
攻读硕士学位期间发表的论文和取得的科研成果  90-91
致谢  91

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 空间红外目标仿真与跟踪技术研究,TP391.41
  3. 基于鱼眼相机的运动物体检测和跟踪,TP391.41
  4. 自主水下航行器组合导航算法研究与系统实现,U666.1
  5. 视频监控的行人跟踪与辨识,TP391.41
  6. 基于磁滞优化的车辆路径问题研究,O224
  7. 无线传感器网络分布式目标检测研究,TP212.9
  8. 平台阵—信道—目标空—时宽带序贯状态滤波,TN912.3
  9. 基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究,TQ325.14
  10. 分布式声源定位与跟踪算法研究,TN912.3
  11. 基于非线性滤波的小卫星姿态确定及控制研究,V448.2
  12. 仓储库位分配问题中的智能优化方法研究,TP18
  13. 湿法炼锌电解过程能耗优化控制研究与应用,TF813
  14. 供水系统智能优化技术的理论与实践,TU991.33
  15. 一类机械结构分析与设计中的反馈机制,TH122
  16. 火电厂耗差分析优化目标值确定方法的研究,TM621
  17. 基于邻域正交交叉算子的混合蛙跳算法研究与应用,S126
  18. 自动聚焦系统中评价函数性能与动态区域选取的研究,TP391.41
  19. 赤峰市下一代网络的规划设计及智能化电信业务优化技术研究,TN915.02
  20. 基于知识的工业过程智能优化控制,TP273.2
  21. 混合智能优化算法在Ad Hoc网络节能中的研究,TN929.5

中图分类: > 工业技术 > 无线电电子学、电信技术 > 基本电子电路 > 滤波技术、滤波器
© 2012 www.xueweilunwen.com