论文部分内容阅读
本文主要研究粒子滤波计算方法的改进及其在GPS/DR组合导航系统中的应用。在对标准粒子滤波计算方法的性能进行详细而深入分析的基础上,针对其在实际应用中存在的一些缺陷,紧密结合GPS/DR组合导航数据处理的实际,采用多种策略对标准粒子滤波的计算方法进行了改进,提出了若干种新的计算方法并应用于GPS/DR组合导航数据处理中。本文的主要工作和创新点概括如下:1.详细分析了粒子滤波计算方法的性能,深入剖析了粒子的权值退化、粒子贫化、计算量大等缺陷产生的原因,并通过数值试验分析了量测噪声的大小对粒子滤波的状态估计性能的影响,并结合GPS/DR组合导航数据处理应用背景,讨论了四种基本重采样方法对PF状态估计性能的影响,获得了许多重要结论,为粒子滤波计算方法的改进指明了正确的工作方向。2.分别从广义均方误差和微分几何的角度给出了判定动态非线性模型的非线性强度和非线性滤波的状态估计性能的方法,分析和获得了非线性滤波模型的非线性强度与非线性滤波的状态估计性能间的关系。3.提出了基于自适应迭代重采样的粒子滤波计算方法。该方法在缓解粒子贫化的同时不但保证了对状态的估计性能,而且降低了计算量。4.提出了基于自适应渐消扩展Kalman滤波的粒子滤波计算方法。由于该算法的建议分布函数中引入了在线调节因子,使现时观测数据得到重用,较通常的扩展Kalman滤波建议分布函数大大增强了滤波的自适应性,能得到精度更高的预测粒子,从而减弱了粒子的权值退化现象。5.提出了基于最大Kullback-Leibler距离(MKLD)的准则和PF-AMCMC计算方法。该算法可在自适应地选择粒子数的前提下同时自适应地选择粒子滤波计算方法中MCMC移动步骤实施的时刻,在保证一定的状态估计精度的条件下减少粒子滤波的计算量。6.基于RTS固定区间平滑算法,构造了两种平滑建议分布函数——扩展RTS平滑建议分布函数和Unscented RTS平滑建议分布函数,并设计了相应的粒子滤波计算方法——PF-ERTS和PF-URTS,其状态估计效果要好于基于EKF和UKF产生建议分布函数的粒子滤波的效果。7.提出了基于MKLD准则的粒子群优化粒子滤波计算方法。该方法将粒子群优化算法嵌入到粒子滤波计算方法的重要性采样过程中,对采样过程进行了优化,提高了粒子集的优良性的同时保证了粒子滤波状态估计的性能。同时,为了降低计算量,算法设计时基于MKLD准则自适应地选择粒子群优化算法所要优化的粒子及粒子群优化算法实施的时刻。8.提出了基于均值漂移的粒子滤波计算方法。该算法将均值漂移思想融合到粒子滤波计算方法的重要性采样过程中,利用均值漂移算法对粒子的聚类作用,使粒子的状态表示更接近真实的状态分布,这样只需要少量的粒子数便可达到好的估计效果,从而提高粒子滤波计算方法的实时性。大量的数值试验和GPS/DR组合导航仿真试验表明,本文提出的粒子滤波的几种新的计算方法较标准粒子滤波计算方法在克服粒子的权值退化、粒子贫化、计算量大等缺陷方面有显著的效果,获得了精度更高的状态估计。