基于粒子濾波的參數(shù)和狀態(tài)聯(lián)合估計算法設計及實現(xiàn).pdf_第1頁
已閱讀1頁，還剩68頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、狀態(tài)濾波一直是一個備受關注的研究課題，它的主要任務是從觀測值中估計系統(tǒng)的狀態(tài)。但是當系統(tǒng)狀態(tài)空間方程中存在未知參數(shù)時，系統(tǒng)的估計任務就變?yōu)橥瑫r估計系統(tǒng)的參數(shù)和狀態(tài)。
　　在這篇文章中我們主要研究基于粒子濾波算法的參數(shù)和狀態(tài)的聯(lián)合估計問題，本文的主要工作包括:
　　1、介紹了粒子濾波算法的原理及一些改進的粒子濾波算法;介紹了基于粒子濾波的參數(shù)和狀態(tài)聯(lián)合估計的算法。
　　2、RBPF(Rao-Blackwellizatio

2、n Particle Filter)算法是解決混合系統(tǒng)狀態(tài)估計的有效方法之一，但是將該算法直接用于參數(shù)估計時，存在嚴重的粒子退化問題。在離散狀態(tài)和連續(xù)狀態(tài)混合估計算法中，SMA(Stochastic M-Algorithm)算法比RBPF算法更加有效，它可以降低RBPF算法中存在的粒子退化問題，但是它是以算法計算復雜度增大為代價的。本文在SMA算法的基礎上，通過將未知參數(shù)離散化為若干個典型數(shù)值，并對離散后的參數(shù)進行分組來對SMA算法進行

3、改進，并將改進的SMA算法用于參數(shù)和狀態(tài)的聯(lián)合估計。改進的算法可以有效的降低算法的計算復雜度。本文使用MATLAB對改進的SMA算法進行了仿真驗證。
　　3、針對采用RBPF算法估計擴展狀態(tài)時存在的粒子退化問題，本文提出了基于隨機數(shù)搜索的RBPF算法，該算法將用于參數(shù)離線估計的隨機數(shù)搜索算法與用于混合系統(tǒng)狀態(tài)估計的RBPF結(jié)合，利用隨機搜索算法的逐漸縮小參數(shù)的搜索范圍及在參數(shù)搜索范圍內(nèi)隨機采樣的思想，有效地緩解了RBPF算法存在的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論