粒子濾波算法及其應用

前言

　　粒子濾波又稱序貫蒙特卡羅方法，是一種基于蒙特卡羅方法和遞推貝葉斯估計的統(tǒng)計濾波方法，它依據(jù)大數(shù)定理，采用蒙特卡羅方法來求解貝葉斯估計中的積分運算。粒子濾波算法首先依據(jù)系統(tǒng)狀態(tài)向量的經(jīng)驗條件分布在狀態(tài)空間產(chǎn)生一組隨機樣本的集合，然后根據(jù)觀測量不斷地調(diào)整粒子的權(quán)重和位置，通過調(diào)整后粒子的信息修正最初的經(jīng)驗條件分布。當樣本容量很大時，這種蒙特卡羅描述就近似于狀態(tài)變量真實的后驗概率密度函數(shù)。粒子濾波適用于任何能用狀態(tài)空間模型表示的非高斯背景的非線性隨機系統(tǒng)，它完全突破了傳統(tǒng)的Kalman濾波理論框架，對系統(tǒng)的過程噪聲和量測噪聲沒有任何限制，可適用于任何非線性系統(tǒng)，精度可以逼近最優(yōu)估計，是一種很有效的非線性濾波技術，可廣泛應用于數(shù)字通信、金融領域數(shù)據(jù)分析、統(tǒng)計學、圖像處理、計算機視覺、自適應估計、語音信號處理、機器學習等方面。粒子濾波算法是現(xiàn)代信號與信息處理學科和統(tǒng)計模擬理論之間的交叉學科，其研究有著重要的理論意義和現(xiàn)實價值，隨著計算機性能的迅速提高，這一方法日益受到人們的關注。　　近年來，從解決粒子退化和粒子多樣性喪失、提高算法實時性和魯棒性、降低計算復雜度等角度考慮，國內(nèi)外學者廣泛開展了粒子濾波研究。本書系統(tǒng)總結(jié)了近年來粒子濾波的研究成果，針對粒子濾波算法的缺點提出了若干種改進算法，包括基于微分流形的粒子濾波算法、基于人工魚群的粒子濾波算法、基于神經(jīng)網(wǎng)絡的粒子濾波算法、自適應粒子濾波算法等；廣泛探討了粒子濾波算法的各種應用，給出了粒子濾波算法的硬件實現(xiàn)方法?！　≡诒緯幾^程中，作者研讀了大量文獻，參考融合了國內(nèi)外專家、學者們在相關領域的研究成果，在此，對他們表示衷心謝意！　　王建華教授、姜長生教授、張冰教授對本書的編寫工作提供了很多寶貴意見，楊官校、李冀、皇豐輝、劉煒、薄超等同學編制了書中的仿真程序，趙成、蘇嶺東、姜威威等同學繪制了書中的部分圖表。在此，向參與和關心本書編寫工作的各位同事和同學表示真誠的感謝！

內(nèi)容概要

本書系統(tǒng)介紹粒子濾波算法的基本原理和關鍵技術，針對標準粒子濾波算法存在的粒子退化、計算量大的缺點介紹了多種改進的粒子濾波算法，包括基于重要性密度函數(shù)選擇的粒子濾波算法、基于重采樣技術的粒子濾波算法、基于智能優(yōu)化思想的粒子濾波算法、自適應粒子濾波算法、流形粒子濾波算法等，并將粒子濾波算法應用于機動目標跟蹤、語音增強、傳感器故障診斷、人臉跟蹤等領域，最后探討了粒子濾波算法的硬件實現(xiàn)問題，給出了基于DSP和FPCA的粒子濾波算法實現(xiàn)方法。　　本書可供高等院校電子信息、自動化、計算機應用、應用數(shù)學等有關專業(yè)高年級本科生和研究生，以及從事控制科學與工程、信號與信息處理領域的工程技術人員和研究人員參考閱讀。

書籍目錄

前言 第一篇 粒子濾波算法 　第1章 緒論 　　1.1 粒子濾波的發(fā)展和應用 　　1.2 粒子濾波的缺點和現(xiàn)有的解決方法 　第2章 Kalman濾波理論 　　2.1 標準Kalman濾波算法 　　2.2 α-β-γ濾波器 　　2.3 EKF濾波算法 　　2.4 MVEKF算法 　　2.5 UKF算法 　第3章 從貝葉斯理論到粒子濾波 　　3.1 動態(tài)空間模型 　　3.2 貝葉斯估計理論 　　3.3 蒙特卡羅積分 　　3.4 序貫蒙特卡羅信號處理 　　3.5 粒子濾波 　第4章 基于重要密度函數(shù)選擇的改進粒子濾波算法 　　4.1 GHPF 　　4.2 EKPF 　　4.3 UPF 　　4.4 IMMPF算法 　　4.5 二階中心差分粒子濾波 　　4.6 基于Stiefel流形的粒子濾波器研究 　　4.7 混合退火粒子濾波器研究 　第5章 基于重采樣技術的改進粒子濾波算法 　　5.1 重要性重采樣粒子濾波器 　　5.2 基于MCMC的粒子濾波 　　5.3 AVPF 　　5.4 RPF 　　5.5 核K-粒子濾波算法(KPF) 　　5.6 基于權(quán)值選擇的粒子濾波算法 　　5.7 線性優(yōu)化重采樣粒子濾波算法 　　5.8 基于Stiefel流形和權(quán)值優(yōu)選的粒子濾波器(SM-WSPF)研究 　　5.9 基于Stiefel流形和線性優(yōu)化重采樣的粒子濾波器(SM-LOCR-PF)研究 　　5.10 其他常用的重采樣方法 　　5.11仿真分析 　第6章 基于智能優(yōu)化思想的粒子濾波算法 　　6.1 GPF算法 　　6.2 PSO-PF算法 　　6.3 AFSA-PF算法 　　6.4 AIPF算法 　　6.5 仿真分析 　第7章 基于神經(jīng)網(wǎng)絡的粒子濾波算法 　　7.1 基于神經(jīng)網(wǎng)絡的重要性權(quán)值調(diào)整粒子濾波(NNWA-PF)算法 　　7.2 基于神經(jīng)網(wǎng)絡的重要性樣本調(diào)整粒子濾波(NNISA-PF)算法 　　7.3 仿真分析 　第8章 APF算法 　　8.1 似然分布自適應調(diào)整 　　8.2 樣本數(shù)APF 　　8.3 改進APF 　　8.4 APF的仿真分析 　第9章 其他粒子濾波算法 　　9.1 免重采樣粒子濾波 　　9.2 MPF 　　9.3 分布式粒子濾波 第二篇 粒子濾波算法的應用 　第10章 粒子濾波算法在機動目標跟蹤中的應用 　　10.1 基于貝葉斯理論的目標跟蹤技術 　　10.2 機動目標的運動模型 　　10.3 多目標跟蹤中的聯(lián)合概率數(shù)據(jù)關聯(lián)方法 　　10.4 非線性、非高斯條件(閃爍噪聲)下的機動目標跟蹤 　　10.5 基于粒子濾波和JPDA的多目標跟蹤數(shù)據(jù)關聯(lián)算法 　　10.6 仿真實驗 　第11章 粒子濾波應用于語音信號增強 　　11.1 語音增強技術 　　11.2 TVAR模型 　　11.3 基于GPF的語音增強算法 　　11.4 語音信號增強仿真實驗 　第12章 粒子濾波應用于傳感器故障診斷 　　12.1 故障診斷的方法 　　12.2 傳感器故障診斷的基本原理 　　12.3 應用粒子濾波進行故障診斷 　　12.4 仿真實例分析 　第13章 粒子濾波算法在人臉跟蹤中的應用 　　13.1 人臉跟蹤介紹 　　13.2 跟蹤算法相關理論基礎 　　13.3 基于直方圖的均值偏移人臉跟蹤算法 　　13.4 基于直方圖的粒子濾波人臉跟蹤算法 　　13.5 基于橢圓擬合的人臉跟蹤算法 　　13.6 基于流形的人臉跟蹤算法 　　13.7 人臉跟蹤仿真 　第14章 粒子濾波在倒立擺控制系統(tǒng)中的應用 　　14.1 引言 　　14.2 倒立擺控制系統(tǒng)模型 　　14.3 基于神經(jīng)網(wǎng)絡的倒立擺控制系統(tǒng)研究 　　14.4 粒子濾波優(yōu)化神經(jīng)網(wǎng)絡倒立擺控制仿真 　第15章 基于DSP實現(xiàn)的粒子濾波算法 　　15.1 FBPF算法 　　15.2 基于硬件實現(xiàn)的改進FBPF算法 　　15.3 實現(xiàn)改進FBPF算法的DSP 　　15.4 改進FBPF算法DSP實現(xiàn)的軟件環(huán)境 　　15.5 改進FBPF算法的軟件仿真與DSP實現(xiàn) 　　15.6 基于改進FBPF算法的GPS導航系統(tǒng)設計 　第16章 基于FPGA的粒子濾波算法實現(xiàn) 　　16.1 基于FPGA的改進FBPF算法的總體設計 　　16.2 FPGA簡介 　　16.3 改進FBPF算法的軟件仿真與FPGA實現(xiàn) 參考文獻

章節(jié)摘錄

　　與傳統(tǒng)的Kalman濾波理論相比，粒子濾波的實時性較差，其計算量隨著粒子數(shù)的增加成級數(shù)增加。因此，粒子濾波算法的實時性問題使粒子濾波距離工程應用尚有一定距離。目前，降低粒子濾波計算量的方法主要有自適應粒子濾波（adaptive particle filter，APF）和實時粒子濾波（real-time particle filter，RTPF）。　?。?）APF。APF是指所用的粒子數(shù)不再固定，而是隨著信號環(huán)境的變化而自適應改變，剔除冗余粒子數(shù)可以降低算法實現(xiàn)的復雜度和運算量。目前，用于自適應改變粒子數(shù)的方法主要有兩類：①基于似然函數(shù)的APF（LAPF），即所需的粒子數(shù)應能保證非歸一化似然值的和超過某一預定的門限；②基于Kullback-Leibler（KL）信息數(shù)或KL距離（KLD）采樣的APF（KLD APF），即通過粒子數(shù)的自適應變化來保證后驗密度的真值與估計值之間的誤差限，這種誤差限用KLD表示。這兩種方法都是當概率密度集中在狀態(tài)空間的小范圍內(nèi)（即狀態(tài)分布不確定性較?。r采用少量的粒子數(shù)，反之采用較多的粒子。但是，KLD APF的缺點是計算負荷過高；L-APF的優(yōu)點是實現(xiàn)簡單，缺點是權(quán)值方差對確定粒子數(shù)影響很大，而且還會增強粒子間的相關性，增加了高速并行實現(xiàn)的難度?！　。?）RTPF。通常采用三種方法，即減少粒子集中的粒子數(shù)、丟棄數(shù)據(jù)或組合數(shù)據(jù)。第一種方法可能會因為粒子數(shù)的不足而導致濾波發(fā)散；第二種方法在狀態(tài)劇變時會因為丟失有用數(shù)據(jù)而導致濾波發(fā)散；第三種方法需要對傳感器數(shù)據(jù)作特殊的假定。此外，還可以將APF和RTPF相結(jié)合，得到自適應RTPF。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    粒子濾波算法及其應用 PDF格式下載

---