粒子濾波算法的應用研究.pdf

1、非線性、非高斯濾波技術被廣泛應用于軍事、科技、工程和經(jīng)濟等多個領域，一直以來備受人們關注。最常用的非線性濾波方法是廣義卡爾曼濾波（EKF），這種方法先將非線性系統(tǒng)方程用泰勒級數(shù)展開，而后在狀態(tài)估計值附近線性化并假定線性化后的狀態(tài)仍服從高斯分布，最后對線性化后的系統(tǒng)采用卡爾曼濾波獲得狀態(tài)估計。該方法的缺陷在于它不能對實際非線性函數(shù)或概率分布進行精確地描述，所以濾波結(jié)果常常發(fā)散。近年來，Julier和Uhhnann提出了無跡卡爾曼濾波（UK

2、F）算法。與EKF不同，它直接利用非線性模型通過選取少量樣本點的方式逼近狀態(tài)隨機變量分布。該方法在統(tǒng)計估計精確度方面明顯優(yōu)于EKF，但因其狀態(tài)分布仍用高斯隨機變量表示，故在非高斯分布情況下性能表現(xiàn)仍不佳。另一種常用的非線性濾波方法是粒子濾波，這種方法是基于貝葉斯估計思想的非線性濾波算法。它利用隨機樣本來描述概率分布，然后在測量的基礎上，通過調(diào)節(jié)各樣本權(quán)值大小來近似實際后驗概率分布。因其易于得到均值、方差、峰度等統(tǒng)計信息量，故該方法可實現(xiàn)

3、對任意非線性系統(tǒng)進行狀態(tài)估計。 粒子濾波主要應用涉及機動目標跟蹤、機器人導航和定位、語音信號處理、金融數(shù)據(jù)分析、復雜工程監(jiān)視與控制等。本文將其應用到評標和睡眠分期兩個非線性非高斯系統(tǒng)。 針對現(xiàn)行評標方案在評定某指標下各單位真實差距的不足，利用粒子濾波算法通過重復采樣過程可以獲得系統(tǒng)狀態(tài)后驗概率的基本思想，通過選取各指標最優(yōu)值作為高斯抽樣變量，進行粒子濾波疊代，求取某指標下某單位的中標概率密度，從而實現(xiàn)將粒子濾波算法應用到

4、評標過程中。 針對利用計算機對人體睡眠分期不準確的缺陷，利用粒子濾波算法通過重復采樣過程可以獲得系統(tǒng)狀態(tài)后驗概率的基本思想，通過選取各標準睡眠狀態(tài)下的某頻段振幅值占腦波信號頻段的振幅值的百分比作為高斯抽樣變量，進行粒子濾波疊代，求取某時刻的睡眠屬于某睡眠狀態(tài)的后驗概率密度，從而實現(xiàn)將粒子濾波算法應用到睡眠分期中。 本文試圖將粒子濾波算法應用到非線性非高斯系統(tǒng)，實現(xiàn)多約束多目標決策。通過對評標實例分析，可知粒子濾波算法應用