用于状态估计的自适应粒子滤波水.pdf

华南理工大学学报(自然科学版) 第34卷第1期 Journal of South China University of Technology (Natural Science Edition) Vo1．34 No．1 2006年 1月 January 2006 文章编号：1000—565X(2006)0l一0057-05 用于状态估计的自适应粒子滤波水 邓小龙 谢剑英 郭为忠 (1．上海交通大学 自动化系，上海200030；2．上海交通大学机械与动力工程学院，上海200030) 摘 要：分析了粒子滤波的性能关键，提出了一种新的自适应粒子滤波算法．该算法采用 一 种新提议分布，即将UKF(Unscented Kalman Filter)与自适应强跟踪滤波器(STF)相结 合．新提议分布通过UKF构造粒子群，而粒子群中的每个粒子中的每个sigma点用STF 来更新，它可以在线调节因子而使得算法自适应．非线性状态估计仿真试验证实了改进的 粒子滤波算法的有效性． 关键词：粒子滤波；状态估计；UKF；自适应滤波；强跟踪滤波器 中图分类号：TP273 文献标识码：A 在解决非线性状态估计的次优滤波方法中，扩 到状态估计中．在这些提议分布中，主要参数和滤波 展卡尔曼滤波(EKF)是最普遍使用的方法．但EKF 增益不能人为在线调整，缺乏自适应调整能力． 仅简单线性化所有非线性函数到一级泰勒系列展 周东华等 提出1『正交性原理并证明了通过 开，因而引入了额外的误差导致滤波常常发散．为了 在线选择一个合适的时变滤波增益阵，可以大大提 减小EKF的近似误差，Julier等提出了UKF(un— 高估计精度，从而形成了自适应强跟踪滤波器 scented Kalman Filter) ．UKF逼近精度虽然高，但 (STF)．本文通过融合UKF和STF，形成了一种新的 其不能应用到非高斯情况．Gordon等 首次将先验 提议分布，新提议分布通过UKF构造粒子群，粒子 提议分布的粒子滤波应用到状态估计中．由于粒子 群中每个粒子的每个抽样样本点(sigma点)用STF 滤波不受非线性、非高斯滤波问题的限制，因而得到 来更新，即用STF算法在线调节凶子来相应调整滤 广泛的应用，如文献[3]将进化规划与粒子滤波相 波增益，这样就将STF的自适应性、UKF的高逼近 结合应用到故障诊断中；文献[4]构造高斯一厄尔 精度和粒子滤波的“适者生存性”三者有机地结合 米特提议分布，应用到一维状态估计中． 起来；并通过非线性状态估计的试验，证实了这种新 粒子滤波中的一个关键是提议分布．目前，学者 的自适应粒子滤波的有效性． 们提出了许多不同的提议分布，但特点各不相同．如 1 粒子滤波 文献[2]的先验提议分布没有考虑必威体育精装版观测值的影 响．文献[5]将EKF提议分布应用于多层感知器神 根据贝叶斯理论，后验概率密度(PDF)构成了 经网络的训练中，但EKF提议分布存在EKF的缺 序贯估计问题的完全解．通过递推计算PDF，可以很 陷．高斯一厄米特提议分布用一簇高斯一厄米特来 容易地获取系统状态的均值、方差、峰值等估计．用 构造重要函数，其选择合适的高斯点和相应权系数 Xk={ l， 2，…， }，z =