基于粒子滤波的混合估计理论与应用

论文摘要

随着科学技术的发展，系统规模及复杂性在不断增加，对系统性能的要求在不断提高，同时信息获取的手段也在不断增多，因而面向复杂系统、复杂环境、网络化平台的估计问题成为现代估计理论的前沿领域。本文基于粒子滤波方法，对混合系统以及复杂环境下动态估计中的若干关键问题，从理论和算法上进行了深入研究，主要工作如下： 1．在Bayes框架下，综述了基于序贯Monte Carlo仿真方法的粒子滤波原理、收敛性、研究进展及其应用，讨论了粒子方法的新发展、新动态。 2．对多模型混合系统的状态估计问题，利用模型的结构特点，结合Rao-Blackwellisation技术和Kalman滤波技术，分别提出了迭代粒子滤波器和固定区间、固定延迟粒子平滑器。算例分析结果表明，本文所提出的滤波器和平滑器是可行的，估计性能有明显改善。 3．混合估计理论上的Cramér-Rao下界（CRLB）需要穷举所有可能的模型序列，计算量随时间指数增加。本文通过使用有限个模型序列假设子集，提出了一种CRLB的近似表达式，并且基于粒子滤波器和Monte Carlo仿真方法，给出了CRLB的一种近似计算方法，算例分析表明了作者方法的可行性及有效性。 4．对具有未知转移概率的混合系统，提出了一种基于粒子滤波器的自适应Monte Carlo估计算法，利用状态空间的一组随机样本探索系统状态和模型的演化，对模型转移概率、系统状态和模型概率同时进行在线估计。对模型中的未知参数提出一种基于粒子滤波和SPSA随机逼近的自适应估计算法，实现了系统状态和参数的联合估计，仿真结果表明了算法的有效性。 5．针对低探测概率下的估计问题，为了充分利用传感器提供的一切信息，通过建立传感器检测概率模型，在Bayes框架下，将传感器是否检测到目标的检测信息也进行融合，从而得到一种增强的粒子滤波器，仿真结果表明该方法可以提高估计精度。 6．基于粒子滤波和似然比方法提出了一种检测跟踪一体化算法。直接利用传感器的原始数据，由粒子滤波器得到目标状态的后验概率分布，检测是基于滤波器的输出，利用Bayes似然比作为检测的判决准则。该方法较好地利用了先验信息和量测信息，将目标检测和跟踪过程统一为一个整体，仿真结果表

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 Bayes估计理论
• 1.2.1 Bayes推理
• 1.2.2 迭代Bayes估计
• 1.2.3 最优估计
• 1.2.4 次优估计
• 1.3 Monte Carlo粒子滤波综述
• 1.3.1 粒子滤波原理
• 1.3.2 粒子滤波器研究进展
• 1.4 多模型混合估计
• 1.4.1 多模型算法原理
• 1.4.2 混合估计研究进展
• 1.5 论文章节安排
• 第二章 混合估计的粒子滤波和平滑算法
• 2.1 引言
• 2.2 现有估计算法存在的问题
• 2.3 RB高斯混合粒子滤波器
• 2.4 混合系统固定区间粒子平滑器
• 2.5 混合系统固定延迟粒子平滑器
• 2.6 算例分析
• 2.7 小结
• 第三章 混合估计的性能边界分析
• 3.1 引言
• 3.2 混合估计的后验Cramér-Rao下界
• 3.2.1 混合估计理论上的Cramér-Rao下界
• 3.2.2 混合估计Cramér-Rao下界的近似表达式
• 3.3 混合估计CRLB的近似计算方法
• 3.4 算例分析
• 3.5 小结
• 第四章 参数未知的动态系统自适应Monte Carlo估计
• 4.1 引言
• 4.2 转移概率自适应的Monte Carlo混合估计
• 4.2.1 问题描述
• 4.2.2 混合系统的转移概率在线自适应估计
• 4.2.3 算例分析
• 4.3 基于粒子滤波和随机逼近的参数和状态联合估计
• 4.3.1 问题描述
• 4.3.2 算法步骤
• 4.3.3 算例分析
• 4.4 小结
• 第五章 融合检测信息的增强粒子滤波器
• 5.1 引言
• 5.2 问题描述
• 5.2.1 传感器检测概率模型
• 5.2.2 传感器信息的融合似然度
• 5.3 基于粒子滤波和检测信息的融合估计
• 5.4 仿真分析
• 5.5 小结
• 第六章 基于粒子滤波的检测跟踪一体化
• 6.1 引言
• 6.2 基于粒子滤波和似然比的检测跟踪一体化
• 6.2.1 问题描述
• 6.2.2 算法步骤
• 6.3 序列图像运动目标的检测和跟踪
• 6.4 算法性能分析
• 6.5 小结
• 第七章 传感器网络下混合估计的协同自组织算法
• 7.1 引言
• 7.2 问题描述
• 7.3 传感器网络下混合系统动态协同跟踪算法
• 7.3.1 多传感器粒子滤波
• 7.3.2 混合高斯粒子滤波器
• 7.3.3 估计精度和能量约束下的传感器选择
• 7.3.4 算法步骤
• 7.4 仿真分析
• 7.5 小结
• 第八章 总结与展望
• 8.1 本文工作总结
• 8.2 展望
• 参考文献
• 攻读博士学位期间发表论文和参加科研情况说明
• 致谢