粒子滤波和无轨迹粒子滤波算法比较.pdf

《粒子滤波和无轨迹粒子滤波算法比较.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、总第２４６期舰船电子工程Vol．３４No．１２２０１４年第１２期ShipElectronicEngineering４７磁粒子滤波和无轨迹粒子滤波算法比较郑琛瑶董真杰张维全（９１３８８部队９３分队湛江５２４０２２）摘要解决水下水声目标的定位跟踪问题，需要建立动态的非线性非高斯模型，粒子滤波直接采用未含有最新量测信息的状态转移先验分布函数作为重要性密度函数来逼近后验概率密度函数，无轨迹粒子滤波是在粒子滤波的过程中引入重采样技术，通过无轨迹变换设计重要性密度函数，使其更加接近系统状态后验概率密度。仿真结果

2、表明粒子滤波和无轨迹粒子滤波算法都可以提高定位跟踪精度，但无轨迹粒子滤波算法的估计精度更高，更适用于工程实践。关键词无轨迹粒子滤波；非线性非高斯；重要性密度函数；重采样；定位跟踪中图分类号TP３９１DOI：１０．３９６９／j．issn１６７２‐９７３０．２０１４．１２．０１２ComparisonofParticleFilterandUnscentedParticleFilterAlgorithmsZHENGChenyaoDONGZhenjieZHANGWeiquan（Unit９３，No．９１３８８T

3、roopsofPLA，Zhanjiang５２４０２２）AbstractToresolvetheunderwateracousticpositionprecisionandtracking，thispaperestablishesadynamicnonlinearnon‐Gaussianmodel．Theparticlefilterdirectlyemploysthestatetransitionpriordistributionfunctionwhichdoesnotincludethelatest

4、measuringinformationasanimportancedensityfunctiontoapproximatetheposteriordensityfunction．Theun‐scentedpaticlefilterbringsinresamplingtechnique，developstheimportancedensityfunctionbyunscentedtransformationthatismoreclosetotheposteriordensity．Simulation

5、resultsdemonstratethatpaticlefilterandunscentedpaticlefilterallcanincreasetheprecisionoftargetpositionandtracking，butthereishigherestimationprecisionwiththelatter．Thealgorithmofunscentedpaticlefilterismoresuitableforengineeringpactice．KeyWordsunscented

6、particlefilter，nonlinearnon‐gaussian，importancedensityfunction，resampling，positionpreci‐sionandtrackingClassNumberTP３９１两种算法在原理上的区别以及仿真所展示出的两１引言者滤波性能的优劣。水声目标的定位跟踪过程是一个动态的非线２PF算法的基本思想性、非高斯系统，对其仿真需要建立两个模型：系统模型（描述目标随时间而变化的状态）和测量模型PF算法采用序列蒙特卡洛的方法来解决非线（与目标状态

7、有关且带有噪声），科学家研究出很多性非高斯动态系统的状态递归估计问题，其核心思非线性滤波算法来解决这一问题，其中应用最普遍想是用一组加权随机样本（粒子）来近似表征后验的是粒子滤波PF（ParticleFilter）［１］，PF算法对测［３～４］概率密度函数，PF算法的基础是序列重要性量值进行数据融合，能够在一定程度上提升定位跟采样SIS（SequentialImportanceSampling）。基于踪精度。而无轨迹粒子滤波UPF（UnscentedPar‐SIS的PF算法潜在的问题是样本退化（De

8、genera‐［２］ticleFilter）是将PF算法做了改进，引入了重采cy），就是在滤波过程中经过几次迭代，除了一个样样技术，能够获取更好的滤波性能。文章重点介绍本外其余样本的重要性权值都很小，结果粒子集无磁收稿日期：２０１４年６月６日，修回日期：２０１４年７月２７日基金项目：国家自然科学基金重点项目“基于联合决策与估计的高频超视距雷达信息处理与融合”（编号：６１１３５００１）资助。作者简介：郑琛瑶，女，硕士研究生，助理工程师，研究方向：水声信号处理研究。４８郑