张旭东《现代信号分析和处理》第4章-2 粒子滤波简介.pptxVIP

第4章-2粒子滤波简介基于序列蒙特卡洛的后验概率逼近用样本递推逼近后验概率1.基本蒙特卡洛方法对后验概率对该PDF采样产生一组样本充分大，则PDF逼近为MMSE意义下的最优滤波2.蒙特卡洛方法：序列重要性采样给出一个重要性密度产生重要性采样计算权系数（续上页）则后验PDF逼近为则任意均值函数的期望逼近为MMSE意义下的最优滤波重要性采样及其所表示PDF的示意图3.基本粒子滤波(SIS)非线性系统模型由模型和已知PDF可确定：序列测量得到得到状态的最优估计：SIS算法描述：初始条件：粒子更新和滤波公式SIS算法描述（续）：粒子滤波的问题和改进判断退化？是否重采样？怎样重采样？粒子退化和重采样实例EKF对非线性系统的仿真结果SISR粒子滤波对非线性系统的仿真结果粒子滤波的改进和简化辅助采样重要性重采样（AuxiliarySamplingImportanceResampling，ASIR）规则化粒子滤波（RegularizedParticleFilter，RPF）高斯粒子滤波（GaussianParticleFilter，GPF）高斯和粒子滤波（GaussianSumParticleFilter，GSPF）无迹粒子滤波（UnscentedParticleFilter，UPF）Rao-Blackwellisatio粒子滤波非线性方法的综合实验说明：性能非线性方法的综合实验说明：不同粒子数性能比较非线性方法的综合实验说明：100粒子数计算复杂性比较粒子滤波参考文献选M.S.Arulampalam,S.Maskell,N.GordonandT.Clapp,Atutorialonparticlefilterforonlinenonlinear/non-GaussianBayesiantracking,IEEETrans.onSignalProcessing,Vol.50,No.2,2002,174-188A.Doucet,S.GodsillandC.Andrieu,OnsequentialMonteCarlosamplingmethodsforBayesianfiltering,StatisticsandComputing,(2000)10,p197-208A.Doucet,J.F.G.deFreitas,N.J.Gordon,AnintroductiontosequentialMonteCarlomethods,SequentialMonteCarloMethodsinPractice,NewYork:Springer-Verlag,2001P.M.Djuric,J.H.Kotecha,J.Zhang,Y.Huang,T.Ghirmai,M.F.Bugallo,J.Miguez,Particlefiltering,IEEESignalProcessingMagazine,Vol.20,No.5,pp.19-38,2003P.M.Djuric,M.Vemula,andM.F.Bugallo,TargetTrackingbyParticleFilteringinBinarySensorNetworks,IEEETRANSACTIONSONSIGNALPROCESSING,VOL.56,NO.6,JUNE2008,2229-2238J.H.KotechaandP.M.Djuric,“GaussianParticleFiltering”,IEEETrans.OnSignalProcessing,Vol.51,No.10,p.2592-2601,Oct.2003