濾波算法研究及應用.pdf

1、濾波算法是通過量測到的已知輸出來估計系統(tǒng)狀態(tài)，從而得到一個接近真實的狀態(tài)估計，用來解決控制理論及其應用中的諸多問題。其中，維納濾波由于是非遞推的，且因不便于實時應用而受到很大限制。目前常用的濾波算法中，卡爾曼濾波(KF)適用于動態(tài)系統(tǒng)為線性系統(tǒng)，噪聲服從高斯分布的情況，是最小均方意義下的最優(yōu)濾波算法。擴展卡爾曼濾波(EKF)適用于非線性系統(tǒng)高斯噪聲情況，它是利用一階泰勒展開將非線性系統(tǒng)線性化而得到的一種次優(yōu)濾波算法，在非線性不是特別嚴重

2、的情況下，擴展卡爾曼濾波有著近似最優(yōu)的濾波效果，但在非線性非高斯模型下上述兩種算法的效果都不盡如人意。在這種情況下，粒子濾波(PF)因其適用面廣而備受關注。粒子濾波是一種基于蒙特卡羅模擬和遞推貝葉斯估計的濾波方法。它采用粒子描述狀態(tài)空間，用由粒子及其權重組成的離散隨機測度近似真實的狀態(tài)后驗分布，并且根據(jù)算法遞推更新離散隨機測度。粒子濾波可以處理模型方程為非線性、噪聲分布為非高斯分布的問題，在許多領域得到了成功的應用。
　　本文在研

3、究濾波算法的基礎上，通過算法在最優(yōu)控制和信息融合領域的應用具體分析驗證了算法性能。在最優(yōu)控制方面，討論了模型具有未知參數(shù)、觀測噪聲為非高斯噪聲的線性系統(tǒng)和乘性噪聲非線性系統(tǒng)幾種情況下的最優(yōu)控制問題，仿真使二次型性能指標最小，達到最優(yōu)控制。卡爾曼濾波是在信息融合領域廣泛使用的融合算法，它在線性高斯模型下能得到最優(yōu)估計，但在非線性非高斯模型下效果很差。本文討論了基于濾波算法的觀測融合濾波理論及應用，仿真驗證算法在保持較高跟蹤精度的基礎上，誤