粒子濾波算法研究及其在無(wú)線定位跟蹤中的應(yīng)用.pdf

1、粒子濾波的應(yīng)用領(lǐng)域極為廣泛,如定位跟蹤、語(yǔ)音和圖像處理、故障檢測(cè)等。雖然它已成為解決非線性非高斯問(wèn)題的主流方法,但其仍然不夠成熟。比較典型的缺陷就是會(huì)出現(xiàn)粒子退化問(wèn)題以及重采樣后粒子多樣性喪失問(wèn)題。目前業(yè)界主要是從提議分布選擇以及重采樣算法改進(jìn)兩個(gè)方面來(lái)對(duì)粒子濾波進(jìn)行研究。本論文在對(duì)粒子濾波算法進(jìn)行深入研究的基礎(chǔ)上,分別從這兩個(gè)方面入手提出改進(jìn)意見(jiàn)。此外,探討了其在無(wú)線定位跟蹤場(chǎng)景中的應(yīng)用。論文的主要內(nèi)容包括:
　　針對(duì)粒子退化問(wèn)

2、題,從提議分布設(shè)計(jì)入手,考慮到粒子濾波尋求的是整個(gè)粒子集的優(yōu)化,利用修正后的人工魚群算法對(duì)提議分布進(jìn)行優(yōu)化,得到 MAFSA-PF算法。該算法通過(guò)執(zhí)行修正人工魚行為,驅(qū)使粒子移向似然度值更高的區(qū)域。對(duì)于單變量非線性經(jīng)濟(jì)模型,在量測(cè)噪聲方差為10-5時(shí),MAFSA-PF的濾波精度較UPF提高了83.3％,與PSOAI-PF濾波精度相當(dāng)。另外,針對(duì)非線性系統(tǒng)中包含可分離高斯子系統(tǒng)的情況,借鑒邊緣粒子濾波的思想,分別采用MAFSA-PF以及卡

3、爾曼濾波對(duì)系統(tǒng)狀態(tài)的非線性、線性分量進(jìn)行估計(jì),得到 MF算法。對(duì)于二維雷達(dá)目標(biāo)跟蹤模型, MF對(duì)應(yīng)的位置誤差較邊緣粒子濾波下降了17.0％。
　　重采樣算法是粒子濾波的重要組成部分,本文在著重分析了系統(tǒng)重采樣算法中存在的不足后,然后給出解決方案。在采取有效的粒子取舍方案來(lái)保證中等權(quán)值粒子得以保留的基礎(chǔ)上,借鑒人工免疫算法思想,對(duì)粒子進(jìn)行高斯變異,從而增加粒子多樣性。分別對(duì)基于該重采樣方案以及系統(tǒng)重采樣的粒子濾波算法PF-IR及PF

4、-Sys進(jìn)行仿真,不同模型下的仿真結(jié)果驗(yàn)證了經(jīng)由本論文給出的重采樣方案輸出的粒子更具多樣性及代表性。
　　以無(wú)線傳感器反應(yīng)網(wǎng)絡(luò)中的移動(dòng)節(jié)點(diǎn)跟蹤為背景,將交互式多模型算法與PF-IR相結(jié)合,得到IMM-PF-IR來(lái)對(duì)移動(dòng)節(jié)點(diǎn)進(jìn)行跟蹤,仿真結(jié)果表明IMM-PF-IR在量測(cè)噪聲較小時(shí),其跟蹤精度高于IMM-PF。此外,用從實(shí)地測(cè)試場(chǎng)景中采集到的數(shù)據(jù)集來(lái)進(jìn)行定位跟蹤仿真,結(jié)合接收信號(hào)強(qiáng)度進(jìn)行定位跟蹤,IMM-PF-IR跟蹤精度略低于 IM