[发明专利]一种改进的粒子滤波方法

说明书

技术领域

本发明涉及的是一种粒子滤波方法。

背景技术

非线性非高斯系统状态估计问题广泛存在于运载体（移动机器人、水下航行器等）导航领域，备受许多学者关注。本发明涉及的是一种基于强跟踪平方根容积粒子滤波（Strong Tracking Square Root Cubature Particle Filter，即STSRCPF）技术。

基于贝叶斯理论与Monte Carlo方法的粒子滤波（particle filter，PF）是一种新的处理非线性非高斯系统的有效方法，这种方法利用大量的随机样本描述概率分布，并在测量的基础上调节各粒子权值的大小和样本位置来近似实际后验概率分布，因此该方法在任何非线性非高斯系统中都可以进行估计。由于粒子需要从重要性密度函数（或称为建议分布）中抽取，因此重要性密度函数的选择就影响着粒子滤波性能的好坏。而传统的粒子滤波方法采用未含当前最新测量数据的状态转移先验分布作为重要性密度函数，引入了较大的权重方差，无法很好地逼近后验概率，尤其当量测数据出现在转移概率分布的尾部或似然函数同转移概率分布相比过于集中时（如呈尖峰型），粒子滤波可能失败。

为了很好地解决粒子滤波出现的上述问题，文献《Cubature粒子滤波》（系统工程与电子技术,2011,33(11):2554-2557）提出容积粒子滤波，将CKF引入到粒子滤波框架中，在先验分布更新阶段融入了最新的量测数据，采用CKF设计粒子滤波的重要性密度函数，使重要性密度函数更加接近系统状态后验概率密度，提高了滤波估计精度。

上述容积粒子滤波方法在精度和稳定性方面仍有提高的余地。

发明内容

本发明的目的在于提供一种能改善标准粒子滤波的估计性能，精度高、稳定性强的运用于运载体导航过程的改进的粒子滤波方法。

本发明的目的是这样实现的：

（1）运载体启动后，

首先，选取运载体状态函数及量测函数如下：

xk=f(xk-1)+wk-1zk=h(xk)+vk]]>

其中，x_k为状态向量，z_k为量测向量，f(x_k-1)和h(x_k)分别为运载体状态函数和量测函数，w_k-1为随机系统噪声，且w_k-1～N(0,Q)，v_k为随机量测噪声，且v_k～N(0,R)；