[发明专利]改进的自举裂变粒子滤波方法及其DSP硬件实现方法

说明书

技术领域

本发明涉及一种应用DSP硬件系统实现粒子滤波及仿真的方法，属于非线性系统滤波和电子技术领域。 

背景技术

粒子滤波是一种基于蒙特卡罗方法和递推贝叶斯估计的统计滤波方法，适用于任何能用状态空间模型以及传统的卡尔曼滤波表示的非高斯背景的非线性随机系统。但是粒子滤波存在粒子退化、粒子多样性丧失、粒子数与计算复杂度同比增长等问题。为此人们提出了许多改进方法，其中裂变自举粒子滤波(FBPF)算法就是在粒子滤波算法的基础上改进重采样过程，引入了权值锐化检测和“权值排序(Sorting)-裂变繁殖(Fission)-权值归一(Normalizing)”过程(简称SFN预处理过程)。裂变过程实质上是一种随机采样方法，它的采样计划不是始终保持不变的，而是根据实验结果不断进行调整，设计出新的采样计划，从而克服了粒子匮乏问题。 

在实际应用中，FBPF算法的复杂度主要由状态空间模型的复杂度和算法本身的复杂度共同决定。如果一个算法的应用状态空间模型已经建立，其复杂度也就随之确定，因此要降低一个算法的复杂度最终还要从简化算法入手。FBPF算法的计算中非线性函数较多，而大多数非线性函数计算又集中于权值计算步骤中。在FBPF算法中，一个输入观测值一般要经过N_s次复杂的函数计算，权值计算时要进行N_s次指数运算，权值归一化时要进行N_s次除法运算，输出结果时要进行N_s次乘法运算，因此，粒子生成、权值计算、权值归一化、结果输出分别需要N_s次循环计算，如果粒子数N_s很大时计算量将大得惊人。因此，FBPF算法计算量比较大，实时性差。本发明以提高FBPF算法的运算速度和滤波精度为目的，对FBPF算法进行了一些改进，并发展与算法匹配的硬件结构来实现速度的提高。 

同时，为了提高粒子滤波算法的运算速度和鲁棒性，研究粒子滤波的硬件实现方法尤为关键。粒子滤波硬件实现的基本思想是：将粒子滤波划分为初始采样、重采样、状态更新等不同过程，利用流水线实现分时并行处理。但实用化粒子滤波算法器尚未研制成功，设计一个运算速度快、性能可靠、占用资源少的粒子滤波算法硬件模块是本发明的主要内容。 

发明内容

本发明针对现有技术存在的缺陷提出了一种改进的裂变自举粒子滤波算法，并给出了一种基于DSP的硬件实现及仿真方法。 

本发明改进的自举裂变粒子滤波方法，包括如下步骤： 

步骤1：k＝0时初始化，采样粒子 i＝1，…，N_s；k＝1，2，…时做以下循环迭代，其中，x₀表示0时刻系统的状态向量， 表示系统的状态先验条件概率， 括号中的 表示某个变量，而p(x₀)表示初始状态向量x₀的先验概率， 表示0时刻状态向量的第i个粒子，其权值为 k，Ns表示自然数； 

步骤2：i＝1，…，N_s，采样粒子 计算非归一化权重 计算权重的同时对这一时刻的权重累加求和，得到非归一化的权值-粒子集 和权重累加和 其中，x_k表示k时刻系统的状态向量，y_k表示k时刻系统的输出， 是k时刻状态向量的第i个粒子 的权值； 

步骤3：输出结果，xk=(Σi=1Nsxki*wki)/Sk;]]>

步骤4：权值锐化检测，估计粒子集X_k的有效样本容量