百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

统计学论文-基于蒙特卡洛方法的高斯混合采样粒子滤波算法研究.doc统计学论文-基于蒙特卡洛方法的高斯混合采样粒子滤波算法研究.doc

收藏 分享

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

统计学论文-基于蒙特卡洛方法的高斯混合采样粒子滤波算法研究摘要本文提出了一种标准粒子滤波器的改进算法——高斯混合采样粒子滤波算法(GMSPPF)。仿真结果表明,新算法在大幅降低计算复杂度的前提下,具有比标准粒子滤波算法(SIR-PPF)更好估计性能.关键词卡尔曼滤波;粒子滤波;序列蒙特卡洛;贝叶斯滤波;高斯混合采样1引言贝叶斯方法为动态系统的估计问题提供了一类严谨的解决框架。它利用已知的信息建立系统的概率密度函数可以得到对系统状态估计的最优解。对于线性高斯的估计问题,期望的概率密度函数仍是高斯分布,它的分布特性可用均值和方差来描述。卡尔曼滤波器很好地解决了这类估计问题[1]。对于非线性系统的估计问题,最经典并得到广泛应用的方法以扩展的卡尔曼滤波为代表,这类方法需要对模型进行线性化,同时要求期望的概率密度函数满足高斯分布,然而在对实际系统建模时,模型往往是非线性非高斯的。此时,最优估计很难实现。粒子(particle)滤波器——序列重要性采样粒子滤波器,是一种适用于强非线性、无高斯约束的基于模拟的统计滤波器[2]。它利用一定数量的粒子来表示随机变量的后验概率分布,从而可以近似得到任意函数的数学期望,并且能应用于任意非线性随机系统。本文介绍一种估计性能更好的粒子滤波算法——高斯混合采样粒子滤波器(GMSPPF),相比通常意义上的粒子滤波算法(SIR-PF),GMSPPF粒子滤波器具有更小的系统状态估计的均方误差和均值。2贝叶斯滤波问题贝叶斯滤波用概率统计的方法从已观察到的数据中获得动态状态空间(DSS)模型参数。在DSS模型中,包含状态和观测两个方程[3][4]。其中状态转移方程(StateEquation)通常写作(1)这里,是已知,且是白噪声独立的随机序列,而且分布是已知的。观测方程表达式写为(2)这里:是白噪声序列,独立且分布已知。并且满足。图1描述了DSS模型中状态转移和似然函数的关系。假设初始时刻系统的状态分布已知,k时刻的已知信息序列表示。图1动态状态空间模型(DSSM)这样,贝叶斯估计的问题理解为:利用观测到的信息Yk,求解系统状态的概率分布。若系统状态的变化是隐马尔柯夫过程,即当前系统的状态信息只与上一个时刻的状态有关,可以通过预测和更新的途径求解。(3)这里:(4)假设xk,wk是相互独立的随机变量,满足。于是,参考(1)式可以把(4)式写为(5)其中
编号:201312171330063969    类型:共享资源    大小:22.43KB    格式:DOC    上传时间:2013-12-17
  
2
关 键 词:
行业资料 农林牧渔 精品文档 统计学论
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:统计学论文-基于蒙特卡洛方法的高斯混合采样粒子滤波算法研究.doc
链接地址:http://www.renrendoc.com/p-233969.html

当前资源信息

4.0
 
(2人评价)
浏览:6次
docin上传于2013-12-17

官方联系方式

客服手机:17625900360   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

精品推荐

相关阅读

关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

网站客服QQ:2846424093    人人文库上传用户QQ群:460291265   

[email protected] 2016-2018  renrendoc.com 网站版权所有   南天在线技术支持

经营许可证编号:苏ICP备12009002号-5