KF與PF以及融合方法的研究和應(yīng)用.pdf

1、最優(yōu)濾波，又叫最優(yōu)估計，即通過一定的濾波準則或某種統(tǒng)計最優(yōu)的方法從被噪聲淹沒的信號中分離出盡可能準確的有用信號估計值的理論。最優(yōu)濾波理論經(jīng)過幾十年的發(fā)展，現(xiàn)已經(jīng)形成了一定的理論框架和體系，它主要包括了Wiener濾波，Kalman濾波（KF，Kalman filtering）以及近些年來逐漸被重視的粒子濾波（PF，Particle filtering）。最優(yōu)濾波理論現(xiàn)已出現(xiàn)和應(yīng)用在了如目標跟蹤，導(dǎo)航，地震測量，石油勘探，金融數(shù)據(jù)分析等各

2、個領(lǐng)域，并且隨著濾波理論的不斷完善，它還將有更廣闊的應(yīng)用前景和空間。
　　 本文在前人的工作的基礎(chǔ)上，研究了與Kalman濾波和粒子濾波結(jié)合的融合算法，同時也研究了改善粒子濾波粒子多樣性喪失的問題，主要的工作包括以下幾個方面:
　　 (1)本文討論了把高斯馬爾可夫融合算法與Kalman濾波或粒子濾波相結(jié)合的問題。針對傳統(tǒng)融合方法須要計算局部濾波的誤差互協(xié)方差陣從而導(dǎo)致過程繁瑣和復(fù)雜的問題，采用高斯馬爾可夫融合算法，只關(guān)心

3、每個傳感器的精度（本文表現(xiàn)為量測噪聲的方差），可以省去一些復(fù)雜的計算過程從而提高效率，而且也能保證與上述常用方法相當(dāng)?shù)木取?br>　　 (2)本文進一步研究了把一種實用的數(shù)據(jù)融合方法與Kalman濾波或粒子濾波相結(jié)合的問題。該方法與高斯馬爾可夫融合方法相比需要已知的信息進一步減少，只需要知道各個濾波器的每個時刻的估計結(jié)果就可以了，且與傳統(tǒng)的三種方法相比在效率和計算負擔(dān)方法均有優(yōu)勢，且融合精度不會下降。
　　 (3)粒子濾波經(jīng)

4、過多次迭代后的粒子會由于重采樣導(dǎo)致多樣性逐漸喪失，從而有可能導(dǎo)致與真實的后驗密度誤差變大而影響最后的估計結(jié)果。針對此問題，本文提出了一種改進的粒子濾波來改善粒子多樣性喪失問題，仿真實驗證明了其可行性。
　　 (4)本文討論和研究了一些具有實際物理意義的模型并進行了仿真，尤其是在運動目標跟蹤問題上作了較多工作，在計算機上進行了仿真驗證，對前面提到的方法也有所應(yīng)用，進一步證明了其有效性和可行性。
　　 本文對最優(yōu)濾波中的Ka