容积粒子滤波算法及其应用

穆静 1; 2; 蔡远利 1; 张俊敏 1

您当前的位置：

首页 >

文章列表页 >

容积粒子滤波算法及其应用

更新时间：2025-07-09

- 容积粒子滤波算法及其应用
- Cubature Particle Filter and Its Application
- 西安交通大学学报 2011年45卷第8期页码：13-17
- 作者机构：
  
  1. 西安交通大学电子与信息工程学院,西安,710049
  2. 西安工业大学计算机科学与工程学院,西安,710032
- 作者简介：
- 基金信息：
  
  : 2010-12-01. 作者简介: 穆静(1979-),女,博士生;蔡远利(联系人),男,教授、博士生导师. 基金项目;国家自然科学基金资助项目(60972146,60602025)
- DOI：
  中图分类号： TP391
- 网络首发：2011-08-10，
  
  纸质出版：2011
- 稿件说明：
移动端阅览
穆静 1, 2, 蔡远利 1, 等. 容积粒子滤波算法及其应用[J]. 西安交通大学学报, 2011,45(8):13-17.

Cubature Particle Filter and Its Application[J]. 2011, 45(8): 13-17.
穆静 1, 2, 蔡远利 1, 等. 容积粒子滤波算法及其应用[J]. 西安交通大学学报, 2011,45(8):13-17. DOI：

Cubature Particle Filter and Its Application[J]. 2011, 45(8): 13-17. DOI：

摘要

针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题

提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法. 新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差

产生粒子滤波算法的建议性密度函数

获得所需要的带权粒子

进而通过计算粒子均值

获得系统状态的最小均方误差估计. CPF算法由于产生粒子时使用了最新的测量信息

因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明

CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3

是无味粒子滤波(UPF)算法的估计误差的1/2

且运行时间只有UPF算法的1/3.

Abstract

A new particle filter named cubature particle filter(CPF)is proposed to improve the low state estimation accuracy of existing particle filters for nonlinear/non-Gaussian discrete time systems. The CPF directly uses the cubature rule based numerical integration method to calculate the mean and covariance

to generate the proposal density function for the particle filter

and to obtain the required particles with weights. Then the minimum square error state estimation is obtained based on these particles and weights. The particles generated using the CPF algorithm involves the use of the latest measurements so that the approximation to the system posterior density is improved. Simulation results show that the estimation error of the CPF algorithm is about one-fifth of that of the generic particle filter and one-third of that of the extended particle filter

respectively

and half of that of unscented particle filter(UPF)

while the run time of CPF is only one third of that of UPF.

关键词

Keywords

references

LIU Jun, CHEN Rong. Sequential Monte Carlo methods for dynamical systems [J]. Journal of American Statistical Association, 1998, 93(443):1032-1044.

DOUCET A, DE FREITAS J F G, GORDON N J. An introduction to sequential Monte Carlo methods [M]∥Doucet A, Gordon N. Sequential Monte Carlo Methods in Practice. New York,USA: Springer-Verlag, 2001:3-14.

胡士强, 敬中良. 粒子滤波算法综述[J]. 控制与决策, 2005, 20(4):361-365.

HU Shiqiang, JING Zhongliang. Overview of particle filter algorithm [J]. Control and Decision, 2005, 20(4):361-365.

袁泽剑,郑南宁,贾新春.高斯-厄米特粒子滤波器[J]. 电子学报,2003, 31(7):970-973.

YUAN Zejian, ZHENG Nanning, JIA Xinchun. The Gauss-Hermit particle filter [J]. Acta Electronic Sinica, 2003, 31(7):970-973.

石勇,韩崇昭. 二阶中心差分粒子滤波算法[J].西安交通大学学报,2008, 42(4):409-413.

SHI Yong, HAN Chongzhao. Particle filter using second-order central difference [J]. Journal of Xi'an Jiaotong University, 2008, 42(4):409-413.

巫春玲,韩崇昭. 求积分卡尔曼粒子滤波算法[J]. 西安交通大学学报,2009, 43(2):25-28.

WU Chunling, HAN Chongzhao. Quadrature Kalman filter [J]. Journal of Xi'an Jiaotong University, 2009, 43(2):25-28.

KABAOGLU N. Target tracking using particle filters with support vector regression [J]. IEEE Trans on Vehicular Technology, 2009, 58(5): 2569-2573.

PITT M K, SHEPHARD N. Filtering via simulation: auxiliary particle filters [J]. Journal of the American Statistical Association, 1999, 94(2):590-599.

MUSSO C, OUDJANE N, LEGLAND F. Improving regularized particle filters [M]∥Doucet A, Gordon N. Sequential Monte Carlo Methods in Practice. New York, USA: Springer-Verlag, 2001:247-271.

DE FREITAS J F G, NIRANJAN M, GEE A H, et al. Sequential Monte Carlo methods to train neural network models [J]. Neural Computation, 2000, 12(4): 955-993.

VAN DER MERWE R, DOUCET A, DE FREITAS N, et al. The unscented particle filter, CUED/F-IN-FEN G/TR, 380 [R]. Cambridge, UK: Cambridge University Press, 2000:1-45.

HAVLICEK M, JAN J, BRAZDIL M, et al. Nonlinear estimation of BOLD signal based on cubature particle filter [EB/OL].(2010-06-27)[2010-11-01]. http:∥www.biosignal. cz/bs 2010/papers/1078.pdf.

ARASARATNAM I, HAYKIN S. Cubature Kalman filters [J]. IEEE Trans on Automatic Control, 2009, 54(6): 1254-1269.

引入模糊推理与强跟踪滤波技术的变结构多模型估计. 西安交通大学学报,2011,45(6):27-33.

观测域求积分卡尔曼滤波的机载无源定位算法. 西安交通大学学报,2011,45(5):137-142.

广义证据理论中的基本概率指派生成方法. 西安交通大学学报,2011,45(2):34-38.

频谱包络滤波器及其应用. 西安交通大学学报,2010,44(8):48-52.

高斯衍生粒子滤波器. 西安交通大学学报,2010,44(6):72-77.

阈值去噪下的改进粒子滤波算法. 西安交通大学学报,2010,44(2):31-34.

广义证据理论的基本框架. 西安交通大学学报,2010,44(12):119-124.

合成孔径雷达图像的最小均方误差线性最优滤波. 西安交通大学学报,2009,43(12):6-10.

一种自相似业务量预测的卡尔曼滤波算法. 西安交通大学学报,2009,43(4):57-61.

求积分卡尔曼粒子滤波算法. 西安交通大学学报,2009,43(2):25-28.

一种多线索融合的均值偏移跟踪算法. 西安交通大学学报,2009,43(10):42-46.

法向约束的多幅点云数据融合算法. 西安交通大学学报,2009,43(5):71-75.

一种Log-Gabor滤波器结合多分辨率分析的虹膜识别方法. 西安交通大学学报,2009,43(4):31-33.

一种基于分辨函数的属性约简算法及其应用. 西安交通大学学报,2008,42(12):1455-1458.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

拟蒙特卡罗自适应粒子滤波的机载无源定位算法

采用试验设计方法的第三代CO2气体箔轴承箔片几何参数敏感性分析

水蒸气掺混对氨裂解气旋流燃烧与排放特性的影响研究

语义区分和子图整合驱动的知识图谱表示学习方法

EBSILON软件在热电联产系统优化中的应用综述