针对系统状态估计、目标跟踪等是包含多源不确定性信息的非线性非高斯随机过程
提出了一种基于信赖域的序贯拟蒙特卡洛(Sequential Quasi-Monte Carlo
SQMC)滤波算法.该算法利用拟蒙特卡洛积分技术优化采样粒子在状态空间的分布特性
降低了滤波过程中的积分误差
提高了状态估计精度;同时
利用信赖域(Trust Region
TR)方法将采样粒子向高似然区域移动
减少了所需采样粒子的数目
降低了算法复杂度.实验结果表明:该算法有效克服了粒子贫乏和拟蒙特卡洛滤波计算复杂度高的问题
且在非线性系统状态估计精度以及目标跟踪的准确性上要优于粒子滤波和拟蒙特卡洛滤波等现有算法.
Nicholas G.Polson,Jonathan R.Stroud,PeterMüller.Practical filtering with sequential parameter learning[J].Journal of the Royal Statistical Society: Series B (Statistical Methodology),2008(2).
Caifeng Shan,Tieniu Tan,Yucheng Wei.Real-time hand tracking using a mean shift embedded particle filter[J].Pattern Recognition,2007(7).
Arnaud Doucet,Simon Godsill,Christophe Andrieu.On sequential Monte Carlo sampling methods for Bayesian filtering.[J].Statistics and Computing,2000.
袁亚湘,孙文瑜著.最优化理论与方法[M].科学出版社,1997.
刘先省,胡振涛,金勇,杨一平.基于粒子优化的多模型粒子滤波算法[J].电子学报,2010(02).
侯代文,殷福亮,陈喆.基于拟蒙特卡洛滤波的说话人跟踪方法[J].自动化学报,2009(07).
徐晓滨,文成林,刘荣利.基于随机集理论的多源信息统一表示与建模方法[J].电子学报,2008(06).
莫以为,萧德云.基于粒子滤波算法的混合系统监测与诊断(英文)[J].自动化学报,2003(05).
0
浏览量
2
下载量
0
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621