混合粒子流滤波的非线性系统参数估计算法

赵知劲，吴　棫

(杭州电子科技大学 通信工程学院,　杭州 310018)



混合粒子流滤波的非线性系统参数估计算法

赵知劲，吴棫

(杭州电子科技大学 通信工程学院,杭州 310018)

为了提高强环境噪声下非线性系统估计性能，基于粒子流滤波对非线性系统估计能力强的特点，文中首先利用粒子流滤波粗估计状态向量；然后，利用卡尔曼滤波平滑由强环境噪声所导致的状态向量估计误差；最后，得到混合粒子流滤波算法。对转移方程为线性而测量方程为非线性的系统估计仿真实验表明：文中算法的参数估计精度高于普通粒子流滤波算法和粒子滤波算法，计算复杂度和普通粒子流滤波算法相当且低于粒子滤波算法。

粒子流滤波；卡尔曼滤波；粒子滤波；计算复杂度；估计精度

0　引　言

近年来非线性滤波算法在信号处理、目标跟踪及数据融合等领域的应用已引起越来越多研究者的关注[1]。传统的非线性滤波方法主要有扩展卡尔曼滤波算法(EKF)[2]和无迹卡尔曼滤波算法(UKF)[2]，这两种方法仅适用于估计弱非线性系统模型情况。当系统模型非线性程度较强时，EKF和UKF的估计误差较大且可能发散。基于贝叶斯法则的粒子滤波算法(PF)[3]适用于估计强非线性系统模型，当粒子数足够多时，该方法能够得到较好的估计结果。但是粒子滤波存在难以选取重要性分布函数、粒子贫化[4]以及由粒子数增加导致计算复杂度高等问题。针对粒子滤波存在的问题，文献[5]提出了一种新的粒子型滤波算法——粒子流滤波算法(PFF)，用于估计非线性系统。……