粒子濾波算法與其應用研究.pdf

1、隨著現代系統(tǒng)的日漸復雜化與對非線性系統(tǒng)濾波精度要求的提高，傳統(tǒng)的非線性狀態(tài)估計算法已經難以滿足一些應用中的需求。粒子濾波作為一種全新的非線性濾波算法，選擇有限的加權粒子來逼近系統(tǒng)狀態(tài)的后驗概率分布，若粒子數足夠大，理論上可以收斂于狀態(tài)最優(yōu)估計。粒子濾波不受系統(tǒng)模型與噪聲分布的約束，可以更好的滿足現實濾波任務要求，其在故障診斷、定位導航、通信生物統(tǒng)計學、統(tǒng)計信號處理、參數估計和系統(tǒng)辨識等領域都有巨大的發(fā)展前景。
　　本文以粒子濾波算

2、法理論與其應用實現方法為主要研究內容，針對常規(guī)粒子濾波的主要問題，提出了一些改進算法，以提高粒子濾波的估計精度和魯棒性，并利用粒子濾波理論來解決移動機器人同時定位與地圖構建問題，拓展其應用范圍。論文主要研究成果如下：
　　1.針對粒子濾波粒子退化問題與粒子多樣匱乏問題，提出了一種基于類電磁機制優(yōu)化的粒子濾波算法。在重采樣過程中引入類電磁機制優(yōu)化思想，通過采樣粒子間權值較大的粒子吸引權值較小的粒子，驅動粒子集向更優(yōu)的粒子靠近，緩解粒

3、子退化問題，同時權值較小的粒子排斥權值較大的粒子，使粒子集在移動的時保證一定的距離維持了粒子多樣性。在不同模型中的仿真實驗下，證明了改進后的算法較常規(guī)粒子濾波有更好的估計性能與自適應性。
　　2.利用粒子濾波理論來處理移動機器人同時定位與地圖構建問題，提出一種基于改進粒子濾波的FastSLAM2.0算法。首先采用UKF代替EKF遞歸估計機器人位姿后驗建議分布，減少了模型線性化誤差，使采樣粒子更加接近真實狀態(tài)，然后在重采樣中引入類電

4、磁機制優(yōu)化思想，改善粒子分布，有效避免了FastSLAM2.0中粒子退化和粒子多樣性匱乏現象。由仿真對比實驗，驗證了所提算法的可行性及優(yōu)越性。
　　3.對多機器人同時定位與地圖構建進行深入研究，拓展粒子濾波的應用范圍，提出一種基于粒子濾波的多機器人FastS LAM算法。在改進的單機器人EM-FastS LAM基礎上，當多個機器人觀測到共同的路標時，采用卡爾曼一致性算法進行路標位置更新，融合各個機器人從不同方位對路標的先驗估計，修