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

1、目前，非線性信號(hào)處理是備受關(guān)注并且極富挑戰(zhàn)性的研究課題，它在自動(dòng)控制、無線通信、經(jīng)濟(jì)統(tǒng)計(jì)、人工智能、信息融合和圖像處理等眾多領(lǐng)域等有著誘人的應(yīng)用前景，成為當(dāng)前國際上眾多學(xué)者研究的一大熱點(diǎn)。當(dāng)非線性系統(tǒng)中存在未知參數(shù)時(shí)，系統(tǒng)的估計(jì)任務(wù)為：根據(jù)系統(tǒng)的觀測(cè)數(shù)據(jù)和先驗(yàn)估計(jì)信息，通過一定的算法，估計(jì)出所需要的待估量，當(dāng)系統(tǒng)參數(shù)未知時(shí)，需同時(shí)估計(jì)系統(tǒng)的狀態(tài)和參數(shù)。擴(kuò)展卡爾曼濾波是解決非線性信號(hào)處理的最為普遍的方法，該方法對(duì)于弱非線性的系統(tǒng)可以得到很

2、好的估計(jì)結(jié)果，但是，對(duì)于非線性較強(qiáng)并且系統(tǒng)噪聲為非高斯的模型，它的估計(jì)精度會(huì)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(jì)的基～上，通過一個(gè)加權(quán)的樣本序列來描述后驗(yàn)概率密度，然后用這一近似的概率密度來計(jì)算系統(tǒng)的狀態(tài)估計(jì)。從粒子濾波被第一次提出來以來；它已經(jīng)被成功應(yīng)用到了信號(hào)處理、目標(biāo)跟蹤、生物統(tǒng)計(jì)學(xué)等眾多領(lǐng)域。<

3、br>　　 本文深入討論了卡爾曼濾波算法(KF)、擴(kuò)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(jì)結(jié)果；研究了粒子濾波(PF)算法，并分別針對(duì)粒子退化和粒子枯竭兩個(gè)方面，討論了具體的改進(jìn)算法。仿真實(shí)驗(yàn)表明，改進(jìn)算法PF-UKF-MCMC估計(jì)精度高于其他幾種估計(jì)方法。
　　 本文提出了一種新的聯(lián)合估計(jì)算法，該算法利用粒子濾波方法，結(jié)合核平滑收縮技術(shù)，同時(shí)采用標(biāo)準(zhǔn)貝塔分布代替?zhèn)鹘y(tǒng)的高斯分布