论文研究一种改进的粒子滤波算法及其性能分析.pdf
针对非线性、非高斯系统状态的在线估计问题，提出了一种改进的粒子滤波算法。该算法采用Unscented卡尔曼滤波器（UKF）产生系统的状态估计，并在量测更新过程中加入衰减记忆因子，消弱滤波器对历史信息的依赖，增强当前量测信息对滤波器的修正作用，从而产生一个优选的建议分布函数，较好地抑制了粒子退化问题。理论分析和实验表明：引入记忆衰减因子的粒子滤波，即衰减记忆无味粒子滤波（MAUPF）的性能明显优于标准的粒子滤波以及Unscented粒子滤波。
针对非线性、非高斯系统状态的在线估计问题，提出了一种改进的粒子滤波算法。该算法采用Unscented卡尔曼滤波器（UKF）产生系统的状态估计，并在量测更新过程中加入衰减记忆因子，消弱滤波器对历史信息的依赖，增强当前量测信息对滤波器的修正作用，从而产生一个优选的建议分布函数，较好地抑制了粒子退化问题。理论分析和实验表明：引入记忆衰减因子的粒子滤波，即衰减记忆无味粒子滤波（MAUPF）的性能明显优于标准的粒子滤波以及Unscented粒子滤波。