基于改進粒子濾波算法的應(yīng)用研究.pdf

1、粒子濾波算法(PF)的基本思想是基于蒙特卡羅采樣,根據(jù)要解決的具體問題建立適當(dāng)?shù)母怕誓Ｐ?采用加權(quán)的后驗樣本粒子來表示后驗概率分布來計算所求參數(shù)的統(tǒng)計特征近似值。與傳統(tǒng)濾波方法相比,該方法具有簡單易行,適用于非線性及非高斯噪聲環(huán)境等優(yōu)點,因而被廣泛應(yīng)用于目標(biāo)跟蹤、導(dǎo)彈制導(dǎo)、機器人定位、匯率預(yù)測、故障檢測、群體生物學(xué)、通信與語音工程等領(lǐng)域。
　　 本文以粒子濾波的應(yīng)用為主線,研究了粒子濾波的基本原理、主要性質(zhì)、算法流程和實際應(yīng)用。

2、針對粒子濾波在重要性采樣時沒有融入最新的觀測值,初始狀態(tài)預(yù)估需要大量粒子以及粒子缺乏多樣性等問題,結(jié)合粒子群優(yōu)化算法(PSO)提出了改進的粒子濾波算法,在些基礎(chǔ)上,重點研究了改進粒子濾波在非線性預(yù)測能力、目標(biāo)跟蹤和帶噪語音增強方面的應(yīng)用。
　　 本文圍繞著對提出的粒子群優(yōu)化粒子濾波算法在算法原理、算法應(yīng)用方面進行了系統(tǒng)和細(xì)致的研究,主要工作和創(chuàng)新如下:
　　 1.介紹了基本的卡爾曼濾波算法、擴展卡爾曼濾波算法、粒子濾波算

3、法、及粒子群算法,討論了他們的工作原理、算法流程、適用范圍以及各自算法存在的問題和優(yōu)缺點。
　　 2.針對基本粒子濾波存在的問題,將EKF估計和粒子群優(yōu)化算法融入到基本的粒子濾波算法中,利用EKF算法先對每一粒子進行狀態(tài)更新,再利用粒子群優(yōu)化算法將最新的觀測值引入到重要性采樣分布中,使粒子向后驗概率較高的區(qū)域運動,從而提出一種改進的粒子濾波算法,討論了該算法的非線性預(yù)測能力,并與傳統(tǒng)的相關(guān)算法進行比較。
　　 3.將該算

4、法運用到純方位目標(biāo)跟蹤中,實驗仿真表明,改進的粒子濾波算法在對目標(biāo)真實運動軌跡估計、目標(biāo)在系統(tǒng)各個方向上的位置誤差和速度均方誤差估計均有很大提高。進一步證明本文所提算法的有效性和實用性。
　　 4.利用TVAR模型對語音信號模型中的各參數(shù)進行建模,將對帶噪語音的降噪問題轉(zhuǎn)化為帶噪語音對純凈語音的觀測估計問題。將提出的改進粒子濾波算法應(yīng)用到語音信號增強,即對語音信號的TVAR模型的參數(shù)估計。實驗仿真表明,與經(jīng)典粒子濾波算法、EKF