整理粒子滤波研究成果.docx

1、整理粒子滤波研究成果1、基于粒子优化的多模型粒子滤波算法，EMPF通过最新量测信息的引入实现采样粒子的优化,改善了采样粒子对于真实状态的逼近程度,从而进一步提升了系统状态估计和模型状态辨识的准确性和可靠性.刘先省1 第2期2010年2月 电子学报2、一种新型的基于自适应遗传算法的粒子滤波算法汪荣贵，李孟敏，吴昊，沈法琳(合肥工业大学计算机与信息学院，安徽合肥230009)摘要：针对粒子滤波算法的退化以及粒子多样性减弱问题，设计了一种新的基于自适应遗传算法的粒子滤波算法该算法首先用粒子的重要性权重来度量其适应度值，依据粒子的适应度值自适应确定粒子进行遗传操作的概率；然后对选出的粒子实施交叉、变异

2、操作；最后重新评估粒子的适应度并进行状态估计这种可自适应调节概率的遗传操作能对粒子进行移动，从而提升了粒子的多样性，并使得粒子都能分布在状态的后验概率密度分布的周围实验结果表明，该算法可有效提高非线性系统状态的估计精度，尤其在系统状态发生突变时，可以得到较好的估计精度关键词：粒子滤波；遗传算法；粒子退化；自适应；粒子多样性3、基于粒子滤波的神经网络学习算法陈养平,王来雄,黄士坦(西安微电子技术研究所,陕西西安710075)摘要:为了克服一般神经网络学习方法易陷入局部极小值的缺陷,提出一种新的基于粒子滤波的神经网络学习算法.采用无迹卡尔曼滤波(Unscented Kalman Filter, U

3、KF)产生粒子,以较少的粒子逼近状态的后验概率分布,搜索到经验风险函数的最小值.此方法适用于在线的、非线性的、非高斯的神经网络学习.仿真结果表明,该学习方法与同类方法相比,性能明显提高.关键词:粒子滤波;神经网络学习;UKF、4一种新的抗差自适应Unscented粒子滤波薛丽,高社生,王建超(西北工业大学自动化学院,陕西西安710072)摘要:针对粒子滤波存在的重要性密度函数难以选取和可能出现粒子退化的问题。提出了一种新的抗差自适应Unscented粒子滤波算法。该算法不但能利用等价权函数和自适应因子合理的分配信息,提高滤波精度,而且具有Unscented粒子滤波的优点,更好的适用于非线性、非

4、高斯系统模型的计算。仿真结果表明,文中提出的抗差自适应Unscented粒子滤波算法,滤波性能明显优于扩展卡尔曼滤波和粒子滤波算法,并且能提高组合导航系统的定位精度。5、基于神经网络的最优非线性滤波的研究摘要本论文对神经网络理论应用于最优非线性滤波进行了研究，主要完成了以下的研究工作:分析了神经网络理论应用于最优非线性滤波的现状及发展趋势，并对神经网络和经典的最优非线性滤波方法进行简单的讨论，其中包括非线性最小方差(LMS)估计(即扩展的卡尔曼滤波)和非线性最小二乘估计(LS)，研究了神经网络应用于最优非线性滤波的可行性。探讨了基于反向传播(BP)网络和基于径向基函数(RBF)网络的最优非线性

5、滤波，利用MATLAB作为仿真软件，并应用BP网络和RBF网络对实例进行了仿真，得出一系列仿真波形，从实验的角度验证了该模型仿真设计思想的正确性。最后部分通过计算机仿真实验，验证了RBF网络在非线性滤波方面的优越性，它具有训练时间短、所用神经元数目少、精度高等突出优点。可以看到，神经网络用于最优非线性滤波具有广阔的发展前景。关键词:最优滤波BP神经网络 非线性滤波 RBF神经网络 扩展卡尔曼滤波4.基于神经网络的粒子滤波算法。将BP神经网络算法和典型采样算法结合，增大位于概率分布尾部的粒子的权值，同时，具有较高权值的粒子可能被分裂为若干小权值的粒子，其主要目的是随着时间推移天宫粒子样本的多样性

6、，减少误差。基于神经网络的重要性权值调整粒子滤波（NNWA-PF）算法可以调整粒子权值，使更多的粒子进入高权值区，从而提高滤波精度。当粒子数目较少时，该算法可以显著改善滤波性能。基于神经网络的重要性样本调整粒子滤波（NNISA-PF）是在预测步骤之后，利用GRNN对样本进行调整，该算法可以使样本更接近后验概率密度。以上两种算法均可大大提高有效样本的数目，减少退化现象，增加多样性，提高滤波精度。但是，NNWA-PF算法状态估计时间还需要做进一步的改进。6、一种粒子滤波的改进算法汲清波 杨洋 1.北京航空航天大学自动化科学与电气工程学院，北京100191摘要：在强非线性、非高斯系统、高精度测量的环

7、境下，针对粒子滤波（PF）算法的跟踪性能降低问题，提出一种PF的改进算法。由于PF算法的计算量虽然小但精度不高，而无迹粒子滤波（UPF）算法精度虽然很高但计算量过大，结合PF算法计算量小和UPF算法精度高的优势，提出一种PF改进算法。对PF、UPF和PF改进算法三种跟踪算法进行了仿真，结果表明，改进PF算法的跟踪精度和UPF的跟踪精度相当，但所需运算时间仅为UPF算法的35%左右。改进的PF算法根据有效采样尺度N?eff判断PF算法中预测的粒子是否准确，如果N?effN预测不准确就进行UPF算法，否则就进行重采样。这样，PF改进算法既能保证跟踪精度，又能减少计算量关键词：粒子滤波；无迹粒子滤波

8、；后验概率密度函数；非线性滤波7、粒子数和采样周期自适应的粒子滤波器赵媛媛 叶亮 郭雷(西北工业大学自动化学院,西安710072)摘要粒子数目、采样频率显著影响粒子滤波器性能及其复杂度。文章提出了一种用于跟踪系统的可在线调整采样周期和粒子数目的自适应粒子滤波器。仿真结果验证了一般情况下,该方法可在保证一定估计精度的同时有效减少系统负荷,并对目标机动有良好的自适应能力。关键词自适应粒子滤波 采样间隔 粒子数 机动8、基于自调整粒子滤波的组合导航方法研究崔平远，郑黎方，裴福俊(北京工业大学电控学院，北京100022)摘要：在非线性模型非高斯噪声条件下，标准粒子滤波在组合系统的观测精度较低时能取得较

9、好的滤波效果，但在高观测精度情况下会导致滤波发散。该文针对这一问题，提出一种自调整粒子滤波方法，根据观测噪声的统计大小，自适应调整似然分布的形状，使之与先验分布重叠的区域更大，有效提高滤波稳定性。将自调整粒子滤波算法应用到组合导航系统中，并在非高斯噪声、观测信息由低观测精度跳变到高观测精度条件下进行了仿真研究，结果表明，该自调整粒子滤波算法在组合导航系统具有高观测精度的情况下依然保持了滤波精度和稳定性。关键词：组合导航系统；粒子滤波；自调整粒子滤波；非高斯噪声9、一种新的改进粒子滤波算法杨璐，李明，张鹏(西安电子科技大学雷达信号处理重点实验室，陕西西安710071)摘要：标准粒子滤波算法存在的

10、最大问题是粒子退化，针对这一问题，提出了一种改进的粒子滤波算法，该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合，运用无遗卡尔曼滤波算法获得重要性函数，提高了粒子的使用效率，运用混合遗传模拟退火算法的进化思想，提高了粒子的多样性仿真结果表明，新算法很好地解决了基本粒子滤波算法存在的粒子退化问题，提高了系统的滤波精度和稳定性(在信噪比为16 dB时，精度提高80以上)，较好地抑制了噪声的干扰关键词：粒子滤波；无迹卡尔曼滤波；重要性概率密度；混合遗传模拟退火算法。10、动态粒子数粒子滤波算法研究张琪，胡昌华(第二炮兵工程学院302教研室，陕西西安710025)摘要

11、:粒子滤波算法的计算量一直是制约粒子滤波算法发展的一个重要因素，为了提高粒子滤波算法的计算效率，提出了一种动态粒子数粒子滤波算法，通过去除权值比较小的粒子，而只保留权值比较大的粒子来动态调整粒子数，以节约计算资源，从而实现减少粒子滤波算法的计算量和提高算法的计算效率的目的。仿真实例表明动态粒子数粒子滤波算法是可行并有效的。关键词:粒子滤波;动态;粒子数;计算量11、Rao-Blackwellized粒子滤波在SINS/GPS深组合导航系统中的应用研究周翟和,刘建业,赖际舟,熊剑(南京航空航天大学导航研究中心,南京210016)摘要:在组合导航系统数据处理中,有时会出现线性非线性混合模型的高维滤

12、波问题,此时采用传统的线性卡尔曼滤波无法直接处理,而一般的非线性粒子滤波计算量往往很大,难以满足导航系统实时性要求。因此,本文提出了利用Rao-Blackwellized(RB)思想对上述组合导航滤波模型进行分块处理,对于线性子空间采用卡尔曼滤波方法,对于非线性子空间采用粒子滤波方法。优化处理后的粒子滤波维数从20减少到3,使抽样所需的粒子数大大减少。通过仿真验证表明,在选取相同粒子数目前提下,本算法的滤波精度明显提高,并有效保证了导航计算的实时性。关键词:Rao-Blacewellized粒子滤波;非线性滤波;组合导航; SINS/GPS12、基于粒子群优化的Unscented粒子滤波算法李

13、睿，苑柳青，李明(兰州理工大学计算机与通信学院，兰州730050)摘要：针对Unscented粒子滤波(UPF)算法中的粒子退化及重采样引起的粒子枯竭等问题，利用粒子群优化算法使粒子通过比较其当前值与最优粒子的适应度值调整自身速度，向高似然域移动，寻找最优位置，并对重采样过程进行优化，以缓解粒子的退化及枯竭问题。实验结果证明，该算法提高了UPF算法的状态估计精度。关键词：Unscented粒子滤波；粒子群优化算法；粒子退化；粒子枯竭；重采样学位论文 1、聂琦 非线性滤波及其在导航系统中的应用 哈尔滨工程大学博士论文 2008年1月本文提出了一种基于马尔可夫链蒙特卡罗的正则粒子滤波(RPF一MC

14、MC)算法。接着选择单变量非静态增长模型、弹道目标再入和角测量跟踪为例对RPF一MCMC算法进行数值仿真。然后建立INS/GPS组合导航系统的非线性误差模型，分别给出了系统的状态方程和量测方程，尝试将此算法应用于INS/GPS组合导航系统估计中以提高导航定位精度和收敛速度。最后通过车载实验进一步验证了RPF一MCMC滤波在组合导航系统应用中的有效性。2、王小旭 【非线性SPKF滤波算法研究及其在组合导航中的应用】 哈尔滨工程大学博士学位论文2010.06本章从极大后验(MAP)估计原理出发，详细推导了非线性自适应最优滤波及自适应次优 SPKF 滤波算法，以此提高 SINS 及组合导航系统的导航

15、精度。（P63-81）3、张共愿【粒子滤波算法及其在惯性导航系统中的应用】 西北工业大学 2007.03 硕士学位论文本文首先介绍了遗传粒子滤波算法(GPF)S4，然后分别提出了基于粒子群优化的粒子滤波(PSOPF)和基于退火策略的粒子滤波(APF)两种粒子滤波改进算法，并通过一个非线性算 例对其进行了验证。4、郭雪姣 非线性滤波算法研究及其在卫星高精度定轨中的应用 国防科学技术大学硕士学位论文2010.12 在前述 UKF 方法的基础上，以卫星轨道确定为应用背景，研究非线性系统存在建模误差时的自适应滤波方法和滤波发散时的改进的 UKF 算法。5.1 节针对 UKF 算法在卫星轨道确定中遇到的

16、力学模型不精确等问题提出自适应的 UKF 算法；5.2 节针对滤波发散提出了两种抑制滤波发散的改进 UKF算法，并且作了仿真分析，将一般 UKF 方法与改进的算法在定轨中的应用进行比较，探究了滤波发散的原因及改进措施；最后对本章的内容进行简要的总结。论文的主要工作如下:(l)采用一种UKF自适应估计比例因子的算法增强UKF方法对非线性函数逼近的能力，并归纳和研究了UKF采样策略对非线性系统的近似性能。(2)运用一种残差约束渐消记忆UKF滤波方法，增强滤波器的跟踪速度和精度。(3)通过一个基于方差开窗方法的处理噪声估计算法，在随机模型出现变化的情况下，实现了UKF滤波器状态噪声的在线调整和估计。

17、5、刘铮【UKF算法及其改进算法的研究】中南大学2009.05 硕士学位论文在粒子滤波的基础上引入一些改进的算法，如辅助粒子滤波、U-粒子滤波以及强追踪粒子滤波等，并对这些改进算法进行详细的分析说明。（4）化工、冶金、有色、建材、机械、轻工、纺织、烟草、商贸、军工、公路、水运、轨道交通、电力等行业的国家和省级重点建设项目；6、赵梅【改进的粒子滤波在组合导航中的应用研究】北京交通大学2006.03硕士学位论文综合性规划 （1）土地利用的有关规划；第四章中详细介绍了粒子滤波算法原理和过程。对常用粒子滤波重采样算法进行比较。在对偶滤波基础上提出针对非线性系统能同时估计未知参数和系统状态的对偶粒子滤波

18、。第五章主要研究粒子滤波在有色噪声和粗差的方面的应用。首先将有色噪声模型级数展开，然后利用粒子滤波处理有色观测噪声。根据抗差M估计的思想，引入粒子等价权，提出抗差粒子滤波。环境影响评价工程师课主持进行下列工作：7、范澎湃 【粒子滤波算法及其在卫星导航定位中的应用】 解放军信息工程大学2009.06硕士学位论文通过算例验证高斯混合粒子滤波的性能，并考察新方法在初始对准和GPS/DR组合导航中的应用。最后针对粒子滤波计算效率低下的问题，讨论并设计了并行PF-UKF算法。（5）法律、行政法规和国务院规定的其他建设项目。8、【向礼】非线性滤波方法及其在导航中的应用研究 哈尔滨工业大学博士学位论文200

19、9.07（5）阐述划分评价单元的原则、分析过程等。1）采取防护措施。在高斯噪声条件下，针对初始对准和SINS/GPS组合导航系统，结合具有高精度估计性能的非线性滤波算法，比较了线性误差模型与非线性误差模型的状态估计精度。高斯混合粒子滤波重新设计重要性函数，用UKF计算混合模型的参数，并通过最大期望算法改进重采样，有效改善了粒子退化问题和贫化问题，提高了失准角和GPS/DR组合导航状态的估计精度。针对粒子滤波计算效率低下的问题，讨论了并行粒子滤波的实现问题。（6）列出选定的评价方法，并作简单介绍。9、蒋蔚 粒子滤波改进算法研究与应用.哈尔滨工业大学博士学位论文2010答疑编号5023340501

20、01其次，研究了如何从概率密度估计角度解决粒子的退化和贫化问题。再次，从函数回归估计角度研究了解决粒子退化和贫化的问题。研究了提高粒子滤波实时性的方法。研究了如何从概率密度估计角度解决粒子的退化和贫化问题。从具有不适定性的概率密度估计问题的数学描述出发，提出了支持向量机概率密度估计粒子滤波算法基本思想，采用支持向量机概率密度估计方法建立粒子后验分布模型并进行重采样，克服粒子的退化。再次，从函数回归估计角度研究了解决粒子退化和贫化的问题。然后，研究了提高粒子滤波实时性的方法。10、刘文静 粒子滤波关键技术及其应用研究 河南理工大学2010针对重采样带来的样本衰竭问题，在部分重采样的基础上，提出了

21、一种改进算法基于权值选择重组的重采样算法；在重采样、自适应与多样性测度机制的研究成果的基础上，提出了两种基于自适应变异导向的粒子滤波改进算法11、李甫 粒子滤波算法研究及其电路设计西安电子科技大学博士学位论文2010规划编制单位对规划环境影响进行跟踪评价，应当采取调查问卷、现场走访、座谈会等形式征求有关单位、专家和公众的意见。 提出了基于优化的粒子滤波算法。采用最速下降法对目标代价函数进行无约束优化，获得最优的调节因子；通过迭代逼近，搜索使得代价函数取得最小值的点，以此为参数获取重要性概率密度函数并从中采样高质量的粒子。提出了变窗宽核粒子滤波算法。该算法引入核密度估计，将其与粒子滤波相结合，通

22、过优化渐进均方积分误差来获取全局固定核窗宽，然后采用基于粒子的窗宽选择机制，使得从重要性函数中采样后的粒子能够通过变窗宽的核密度估计后朝着后验概率密度的分布移动，新的粒子集更能反映后验概率密度的分布。该方法实质是通过核密度估计来寻找后验概率密度“模型”，因而其在滤波性能和效率上都优于标准的粒子滤波和核粒子滤波。提出了基于协方差的变窗宽核粒子滤波。通过该方法降低了计算复杂度。12、梁军 粒子滤波算法及其应用研究 哈尔滨工业大学博士学位论文2009本文提出基于观测路径相似性的粒子估计算法。该算法利用系统状态观测值路径和粒子状态观测值路径的相似性来修正粒子权值，使接近系统状态的粒子具有更大的权值。仿真实验结果表明，该算法的计算速度优于SIR粒子滤波、辅助粒子滤波和正则化粒子滤波，接近高斯粒子滤波。提出基于观测路径相似性重采样的粒子滤波算法。