一种新型高精度非线性滤波算法研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (11): 11-15.

一种新型高精度非线性滤波算法研究

李昱辰1，2，李战明1，2

1.兰州理工大学电气工程与信息工程学院，兰州 730050
2.甘肃省工业过程先进控制重点实验室，兰州 730050

出版日期:2012-04-11 发布日期:2012-04-16

New nonlinear filter algorithm for high precision

LI Yuchen1，2, LI Zhanming1，2

1.College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China
2.The Key Laboratory of Advanced Control of Industrial Processes of Gansu Province, Lanzhou 730050, China

Online:2012-04-11 Published:2012-04-16

摘要/Abstract

摘要： 针对非线性、非高斯系统状态的在线估计问题，提出了一种新的高精度粒子滤波算法。该算法通过引入积分修正因子，对积分卡尔曼滤波器的积分点进行在线修正，并采用修正后的积分卡尔曼滤波产生优选的建议分布函数，由于高精度地融入最新量测信息，一定程度上克服了权值退化问题。仿真实验表明，新算法具有较高的滤波精度，是一种有效的非线性滤波算法。

关键词: 粒子滤波, 重要性密度函数, 积分卡尔曼滤波, 修正因子

Abstract: A new particle filter is proposed for the on-line estimation problem of non-Gauss nonlinear systems. The new algorithm corrects the integral points of quadrature Kalman filter on line and uses pruning quadrature Kalman filter to produce optimization proposal distribution function, overcomes the particle degeneration phenomenon well as measured with high accuracy into the latest information. Theoretical analysis and experiments show that the proposed algorithm is a new kind of particle filter algorithm for high precision.

Key words: particle filter, important density function, quadrature Kalman filter, pruning factor

李昱辰1，2，李战明1，2. 一种新型高精度非线性滤波算法研究[J]. 计算机工程与应用, 2012, 48(11): 11-15.

LI Yuchen1，2, LI Zhanming1，2. New nonlinear filter algorithm for high precision[J]. Computer Engineering and Applications, 2012, 48(11): 11-15.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[3]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[4]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[5]	郑晨辉，陈璟，张雨婷，薛伟. 融合粒子滤波与蓝牙地标矫正的定位算法[J]. 计算机工程与应用, 2020, 56(13): 273-278.
[6]	王晓华，聂腾腾. 改进的布谷鸟算法优化粒子滤波研究[J]. 计算机工程与应用, 2020, 56(12): 60-65.
[7]	胡东海，邵元，陈莹，夏士雄. 基于改进粒子滤波的室内自适应定位算法[J]. 计算机工程与应用, 2019, 55(9): 65-71.
[8]	昝孟恩，周航，韩丹，杨刚，许国梁. 粒子滤波目标跟踪算法综述[J]. 计算机工程与应用, 2019, 55(5): 8-17.
[9]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[10]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[11]	胡正平，王欣，孙德刚. 余弦权重逆稀疏框架视频目标跟踪算法[J]. 计算机工程与应用, 2019, 55(21): 206-213.
[12]	王娟1，2，王萍2，刘敏1. 复杂光照下DPM图像自适应多阈值分割方法研究[J]. 计算机工程与应用, 2018, 54(9): 194-200.
[13]	段苛苛，邰滢滢. 基于二值掩码图像的粒子滤波目标跟踪快速算法[J]. 计算机工程与应用, 2017, 53(22): 16-20.
[14]	徐喆，胡亮. 用于前车追踪的多特征融合粒子滤波算法改进[J]. 计算机工程与应用, 2017, 53(19): 173-178.
[15]	陈波1，覃锡忠1，贾振红1，邓磊2，王晓兵2，张家林2. 一种改进的高斯粒子滤波室内定位算法[J]. 计算机工程与应用, 2017, 53(14): 246-250.