基于观测似然重要性采样的粒子滤波算法

被引：4

作者：

高建坡 ^{[1
]}

韦志辉 ^{[1
]}

孟迎军 ^{[1
]}

吴镇扬 ^{[2
]}

机构：

[1] 南京理工大学电子工程与光电技术学院

[2] 东南大学信息科学与工程学院

来源：

系统仿真学报 | 2009年 / 21卷 / 12期

关键词：

粒子滤波; 重要性采样; 重要性采样函数; 动态估计;

D O I：

10.16182/j.cnki.joss.2009.12.040

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对粒子滤波中如何来设计重要性采样函数进行动态粒子传播这个重要问题,提出了一种新的基于观测似然重要性采样的粒子滤波算法,该算法打破了常规粒子滤波先按某一重要性采样函数进行采样,再用观测似然进行粒子权重更新的思路,而是直接根据观测似然进行采样,然后再用先验转移概率进行粒子权重更新。由于算法在采样的过程中用到了观测似然函数,这样保证大多数粒子点都分布在高观测似然区域,极大提高了粒子的利用效率,实验证明基于观测似然重要性采样粒子滤波的性能明显优于当今流行的标准粒子滤波,扩展Kalman粒子滤波以及unscented粒子滤波。

引用

页码：3705 / 3709

页数：5

共 5 条

[1] 基于交互式多模型的粒子滤波算法 [J].

邓小龙 ;

谢剑英 ;

杨煜普 .

系统仿真学报, 2005, (10) :53-55+73

[2] On sequential Monte Carlo sampling methods for Bayesian filtering [J].

Doucet, A ;

Godsill, S ;

Andrieu, C .

STATISTICS AND COMPUTING, 2000, 10 (03) :197-208

[3]

Consistency checks for particle filters. Heijden F V D. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2006

[4]

Bootstrap particle filtering. J. V. Candy. IEEE Signal Processing Magazine . 2007

[5]

A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking. Arulampalam,M,Maskell,S,Gordon,N,Clapp,T. IEEE Transactions on Signal Processing . 2002

← 1 →