论文部分内容阅读
伯努利滤波(Bernoulli filter)是基于随机有限集理论的一类特殊随机滤波估计。状态空间中允许状态的自由出现和消失并借助有限集统计(finite set statistic, FISST)的概念来描述随机出现状态的统计信息。由于它无法得到精确解,因此需借助粒子滤波(particle filter, PF)技术取得近似解。本文首先以提高滤波估计精度为目的,以PF作为实现手段对区间量测下的伯努利滤波跟踪算法展开研究;其次以GPS多径信号中码跟踪作为实际应用背景,改进的粒子滤波算法与实际应用相结合进行研究。 本研究主要内容包括:⑴针对区间量测下伯努利粒子滤波(Bernoulli particle filter, Bernoulli-PF)算法产生持续存活粒子时未考虑当前时刻的量测信息对粒子的影响,从而导致跟踪精度低的问题。因此应用无迹卡尔曼滤波(UKF)思想代替原算法中仅用转移方程传递持续存活粒子的方式,提出基于无迹变换下的伯努利粒子滤波算法(Bernoulli-Upf)。改进后的算法在预测步骤产生持续存活粒子时,最大程度地利用当前时刻的量测,从而指导粒子向高似然区域移动,使得粒子分布与真实状态的后验分布更接近。仿真对比实验说明该算法是有效的。⑵针对区间量测下Bernoulli-PF跟踪算法存在粒子退化的缺陷,过程噪声越小粒子退化越明显,为了增加粒子的多样性,提高滤波估计精度,提出一种辅助粒子滤波(APF)与伯努利粒子滤波相结合的滤波(Bernoulli-APF)算法。该算法在更新阶段借鉴APF的思想选取权重较大的粒子,并结合当前时刻量测信息实现第二次权重的计算。计算权重的过程中不但采用的是较优的粒子,而且粒子的观测信息得到充分有效地利用,使得粒子权值比仅用粒子滤波得到的权值稳定,很大程度上克服了重采样后粒子概率密度变化大,粒子退化等问题。仿真实验证了算法的有效性。⑶应用改进的PF算法解决实际问题。针对GPS弱信号环境下,传统接收机存在跟踪精度低,跟踪门限高的问题,提出一种基于最小二乘估计的粒子滤波GPS信号跟踪算法。该算法通过最小二乘方法对I/Q支路相干积分值进行修正并作为观测量输出,应用粒子滤波算法估计多径环境下码相位时延值。该方法能够有效减小有偏相干积分值所造成的码相位跟踪误差,提高弱信号环境下环路的跟踪性能。仿真结果表明,该算法提高了码跟踪精度和稳定性。