一种改进的粒子滤波算法及其在GPS/DR组合定位中的应用

摘要：

针对粒子滤波的重要性密度函数选择问题,提出一种基于集合卡尔曼滤波(Ensemble Kalman Filter,EnKF)的改进粒子滤波算法.该方法利用集合卡尔曼滤波产生粒子滤波在每一时刻各粒子的重要性密度函数,在融合最新观测信息的同时,使重要性密度函数更加符合状态的真实后验概率分布.为消除样本枯竭现象,对重采样后的粒子进行马尔科夫链蒙特卡洛处理.在仿真实验中,将新算法用于GPS/DR组合定位系统,与粒子滤波、扩展卡尔曼粒子滤波以及无迹粒子滤波进行比较.仿真结果表明,该算法的估计精度高于传统粒子滤波算法,同时其能够有效控制计算量,并且在粒子数目较少时仍能保证较好的估计性能.

关键词：粒子滤波、重要性密度函数、集合卡尔曼滤波、组合定位系统

所属期刊栏目：43

分类号：TP202(自动化技术及设备)

资助基金：国家自然科学基金61273291,61305073;山西省高校科技创新项目2014104;山西省回国留学人员科研资助项目2012-008

在线出版日期：2016-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：218-222