求积分卡尔曼粒子滤波算法

摘要：

针对非线性/非高斯系统的状态估计问题,提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法--PF-QKF算法.新算法使用统计线性回归的方法,通过一套高斯一厄米特积分点来线性化非线性函数,不需要计算雅可比矩阵,易于实现,而且所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测数据,提高了对系统状态后验概率的逼近程度.理论分析和实验结果表明,PF-QKF算法的估计精度比无味粒子滤波(PF-UF)算法提高了约18%,其计算复杂度比PF-UF算法稍有降低,表明PF-QKF算法是一种很有效的非线性滤波算法.

关键词：粒子滤波、统计线性回归、求积分卡尔曼滤波、重要性密度函数

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划资助项目2007CB311006;国家自然科学基金资助项目60574033

在线出版日期：2009-04-03（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：25-28,42