非線性系統(tǒng)參數(shù)和狀態(tài)聯(lián)合估計新算法研究.pdf

1、目前，非線性信號處理是備受關注并且極富挑戰(zhàn)性的研究課題，它在自動控制、無線通信、經濟統(tǒng)計、人工智能、信息融合和圖像處理等眾多領域等有著誘人的應用前景，成為當前國際上眾多學者研究的一大熱點。當非線性系統(tǒng)中存在未知參數(shù)時，系統(tǒng)的估計任務為：根據(jù)系統(tǒng)的觀測數(shù)據(jù)和先驗估計信息，通過一定的算法，估計出所需要的待估量，當系統(tǒng)參數(shù)未知時，需同時估計系統(tǒng)的狀態(tài)和參數(shù)。擴展卡爾曼濾波是解決非線性信號處理的最為普遍的方法，該方法對于弱非線性的系統(tǒng)可以得到很

2、好的估計結果，但是，對于非線性較強并且系統(tǒng)噪聲為非高斯的模型，它的估計精度會大大降低，并且有可能造成濾波器的發(fā)散。
　　 粒子濾波方法是近年來興起的一種新的濾波方法，它可以有效的解決非線性、非高斯問題。該算法是在蒙特卡羅模擬和遞推貝葉斯估計的基～上，通過一個加權的樣本序列來描述后驗概率密度，然后用這一近似的概率密度來計算系統(tǒng)的狀態(tài)估計。從粒子濾波被第一次提出來以來；它已經被成功應用到了信號處理、目標跟蹤、生物統(tǒng)計學等眾多領域。<

3、br>　　 本文深入討論了卡爾曼濾波算法(KF)、擴展卡爾曼濾波(EKF)、無味卡爾曼濾波(UKF)的具體算法流程并仿真比較了它們的狀態(tài)估計結果；研究了粒子濾波(PF)算法，并分別針對粒子退化和粒子枯竭兩個方面，討論了具體的改進算法。仿真實驗表明，改進算法PF-UKF-MCMC估計精度高于其他幾種估計方法。
　　 本文提出了一種新的聯(lián)合估計算法，該算法利用粒子濾波方法，結合核平滑收縮技術，同時采用標準貝塔分布代替?zhèn)鹘y(tǒng)的高斯分布