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。