粒子滤波评述

以最优Bayesian滤波的求解为起点,综述了粒子滤波的发展历程、基本思想、算法的各个基本环节、基本的滤波算法及其收敛性以及算法的多种重要衍变形式,包括辅助变量粒子滤波、自适应粒子滤波、实时粒子滤波、分布式粒子滤波、Rao\|Blackwellised粒子滤波、免重采样粒子滤波和裂变自举粒子滤波,并通过一个复杂的递推非线性滤波估计例子,用Monte Carlo仿真实验的方法对几种典型的粒子滤波算法进行了比较研究,最后总结了粒子滤波的应用并展望了进一步研究的方向。     

矢量观测确定卫星姿态的预测粒子滤波算法

在矢量观测的基础上,针对单独的星敏感器定姿,提出了一种将粒子滤波(PF)和预测滤波相结合的姿态确定算法,通过设计粒子初始化,结合重要性采样、重采样和规则化等手段,成功地将姿态四元数作为状态粒子进行更新和传递,避免了状态方程的线性化和协方差矩阵的计算;利用预测滤波算法估计模型误差和姿态角速度,在保证滤波精度的同时,有效降低了粒子滤波器的维数.实验在某对地观测通用小卫星平台上进行,选取卫星自由飞行状态和飞轮控制对地稳定模式,分别对滤波器进行了仿真,实验结果验证了该算法对本质非线性、非高斯的卫星姿态估计问题具有快速的收敛性能和良好的稳定精度.该方法还为粒子滤波器的设计和无角速度敏感器测量的飞行器姿态确定提供了借鉴.     

改进的迭代粒子滤波法在GPS数据处理中的应用

研究粒子滤波方法(PF)处理GPS测量数据.采用迭代Kalman滤波方法产生粒子滤波器中的粒子,得到更精确的目标状态估计.同时利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史现测数据确定各粒子的权值,降低现测随机误差的影响,从而提高粒子滤波器的性能.采用改进的粒子滤波方法处理GPS测量数据,仿真结果表明...     

改进高斯混合粒子滤波的纯方位目标跟踪算法

针对纯方位跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。该算法基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。利用贪心EM算法实现模型的降阶,一定程度上克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点和可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在纯方位跟踪领域,与传统粒子滤波(PF)和基于EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

关于卫星姿态确定非线性滤波算法的研究

本文探讨了利用方位矢量和陀螺速率观测信息确定卫星姿态的问题。该问题实际上是一个非线性/非高斯状态滤波问题,因此,经典的基于EKF和UKF算法的姿态滤波器有可能失败,尤其是当初始状态的先验估计不可能精确得知的情况下。近来,粒子滤波理论已经开始应用于姿态确定问题,但是,这类算法往往需要大量的“粒子”,这对有限计算能力来说是一个沉重的负担。为此,本文尝试利用双重滤波方法,在每个序贯估计过程中,将有陀螺姿态确定问题暂时分解为1个四元数估计问题和1个陀螺常漂参数估计问题。本文提出了2个双重滤波器,包括1个姿态确定双重粒子滤波器和1个姿态确定的混合型滤波器。这两者都采用一个相同的四元数粒子滤波器,但在粒子重采样和平滑处理方面,不同于近来提出的类似滤波器。至于陀螺常漂估计,双重粒子滤波器发展了一个辅助粒子滤波器,而混合滤波器中则发展了一个参数UKF滤波器。通过与经典的姿态确定滤波器的仿真比较,证实了本文新提的2个算法的有效性和优越性。
     

Rao—Blackwellized粒子滤波在SINS／GPS深组合导航系统中的应用研究

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(R B)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.     

一种基于粒子滤波的月球车同时定位与地图创建方法

针对月球探测车位置与姿态的准确估计问题,提出了一种基于RBPF粒子滤波的月球车SLAM方法。该方法基于高速激光雷达对环境地貌的观测,通过激光测距值与所建栅格地图之间的匹配实现。鉴于车体的位置估计仍难以彻底消除累积误差,提出了对于月球车平动速度的估计方法,并通过仿真实验验证了该速度估计方法的正确性。为提高粒子滤波的实时性能,提出所有粒子共同维护一幅地图的处理方法,实验表明该方法在明显提高SLAM实时性的同时,并未对滤波效果产生明显影响。
     

惯性/图像组合导航中的双模态双滤波器研究

在简要介绍了飞行器视觉图像定位导航原理及模型的基础上，针对其非线性模型的推广Kalman滤波的收敛与初始条件有关的问题，将其定位导航的两种模型（线性与非线性模型）组合，提出了双模态双滤波器滤波方法。这种滤波能很好地解决非线性推广Kalman滤波的收敛问题。通过第一个线性滤波器的滤波估计给第二个非线性滤波器提供滤波初值，使这一非线性滤波收敛，并能取得较高的滤波精度。     

基于"天基红外系统"对弹道导弹主动段估计滤波算法研究

美国的"天基红外系统"(SBIRS)包括高轨和低轨两类预警星座,前者主要用于弹道导弹主动段探测,后者主要用于被动段的跟踪测量.文章利用其高轨静止星座,对只有角测量条件下的主动段弹道估计滤波算法进行了分析比较.首先给出主动段状态方程和测量方程,然后分别结合扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波这三类典型非线性滤波估计算...     

非线性估计理论的最新进展

扩展Kalman滤波(EKF)是应用最广的非线性估计方法，然而它存在实现性差、计算量大、估计精度低等缺陷，这些问题起源于。EKF采用了Taylor展开近似。在阐明非线性估计的本质，剖析EKF等传统方法的特点及缺陷的基础上，从非线性估计革新的两条发展思路——非Taylor展开的线性变换及非线性变换出发，分别对插值滤波、Unscented滤波、粒子滤波和神经网络滤波这四种近年来最具特色的新方法进行介绍和评述。通过分析这些方法的工作原理、性能特点、必要性和可行性，将非线性估计最新进展的思想传承、本质内涵、地位与作用予以展现，指出各方法的现存问题、发展潜力和最具可实现性的发展方向。同时强调了各种算法的选取须根据具体应用场合和条件，在主要性能指标之间综合权衡。