论文部分内容阅读
为改善传统粒子滤波中的样本退化和样本枯竭问题,提出一种新的粒子滤波算法.在重要性采样中,利用最新测量值,结合差分滤波算法产生重要性函数;在再采样中,利用高斯混合模型近似状态的后验概率密度,引入最大期望算法计算该高斯混合模型的参数,并从该新分布中采样后验粒子集,取代传统的再采样.从而通过提高重要性函数对状态后验概率密度的逼近程度来缓解样本退化问题,通过改进再采样实现过程来缓解样本枯竭问题.把新算法应用到INS/GPS组合导航系统中,仿真结果表明新算法的估计性能明显优于粒子滤波.