融合RTS平滑的迭代无迹卡尔曼粒子滤波方法Iterated Unscented Kalman Particle Filter of Fusion RTS Smoothing
李敏,陈志梅,邵雪卷
摘要(Abstract)：
对粒子滤波算法中建议分布函数的设计提出了一种新的方法,即将迭代无迹卡尔曼滤波(Iterated Unscented Kalman Filtering,IUKF)与Rauch-Tung-Striebel(RTS)平滑算法融合,产生新的建议分布函数,以减小粒子滤波的粒子数匮乏现象,与单独使用无迹卡尔曼滤波产生建议分布函数的粒子滤波方法(Unscented Kalman Particle Filtering,UPF)相比,状态的估计结果更加准确,系统具有更好的稳定性。最后通过仿真研究验证了该方法的有效性。
关键词(KeyWords)： 粒子滤波;RTS平滑;状态估计
基金项目(Foundation): 山西省自然科学基金(2014011020-2,2014011020-1)
作者(Author): 李敏,陈志梅,邵雪卷
参考文献(References)：
- [1]王法胜,鲁明羽,赵清杰,等.粒子滤波算法[J].计算学报,2014,37(8):1679-1694.
- [2]冯爱丽,乔钢柱,曾建潮.基于信标节点间距离的改进RSSI定位算法[J].太原科技大学学报,2012,33(1):6-9.
- [3]郭晓松,李奕芃,郭君斌.粒子滤波算法及其应用研究[J].计算机工程与设计,2009,30(9):2264-2266.
- [4]胡士强,敬忠良.粒子滤波算法综述[J].控制与决策,2005(4):361-365.
- [5]SZOTTKA I,BUTENUTH M.Advanced Particle Filtering for Airborne Vehicle Tracking in Urban Areas[J].Geoscience&Remote Sensing Letters,IEEE,2014,11(3):686-690.
- [6]程水英,余莉.迭代无味卡尔曼滤波器的算法实现与应用评价[J].系统工程与电子技术,2011,33(11):2546-2553.
- [7]郭平平,贾建芳.基于IUKF的非线性状态估计[J].机械工程与自动化,2010(5):7-9.
- [8]陈金广,高新波.基于分段RTS平滑的凸组合航迹融合算法[J].计算机科学,2010,37(4):175-178.
- [9]ADALI T,HAYKIN S.Adaptive Signal Processing:Next Generation Solutions[C]∥John Wiley&Sons,IEEE Press,2010:271-331.
- [10]TAFTI A D,SADATI N.Novel adaptive Kalman filtering and fuzzy track fusion approach for real time applications[C]∥Industrial Electronics and Applications,2008.ICIEA 2008.3rd IEEE Conference on.IEEE,2008:120-125.
- [11]KITAGAWA G.Monte Carlo Filter and Smoother for Non-Gaussian Nonlinear State Space Models[J].Journal of Computational&Graphical Statistics,2012,5(1):1-25.