拟蒙特卡罗聚合重采样粒子滤波无源定位算法

拟蒙特卡罗聚合重采样粒子滤波无源定位算法 ,,,,,, , 刘 学焦 淑 红蓝 晓 宇 海军装备研究院博士后科研工作站,北京 ,,,,,,,,,, 哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨 ,,,,,,,,, 摘要, 提出一种基于拟蒙特卡罗聚合重采样粒子滤波的机载无源定位算法首先利用基于离散状态空间 ( ,的粒子聚合技术对空间相近粒子进行加权聚合在保证粒子空间分布合理性的同时有效抑制了粒子的退 ,,, 化然后采用拟蒙特卡罗技术将重采样后的粒子向高似然区移动优化了粒子在状态空间中的分布特性提高了滤波精度仿真结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明,新算法对比拟蒙特卡罗高斯粒子滤波算法,在保证滤波精度的同时,提高 ( 了运行效率 ( 关键词 无源定位拟蒙特卡罗粒子滤波粒子聚合重采样状态估计,,,,,, ,,,,,中图分类号文献标识码文章编号,，,,,,,, , ,::,,,::,:,,:,:,,,:,,,, ,,,～,,:,;:,:;,;,,,,:;;,,,,,,,,, ,,,,,,,,,,,,,,,,, ,:,,,,,,;,::,,,:, , ,,, , ,,,，，, ,～;，，,:,～～～:,，,， ,,,:～,! ,,,,,,,:,,,::,:,,, ,:,，,,,,,:,:, ，,,,, ,:,,;,:, ,,,,,;,,,;,,,,:::,,:～,,,,,::,,;;:,!,, , ,,,,，,,:,,,,,:,,,,::,,～,,:,,,:,，,,,;;,,,，,,,,,，,,,;;,,,,,,,,，,,,,, ,,:::,:～,,,,,,, ,,,,: ,;;,,～;,;～,,;,;,,,:,～,～,::,,,:,,;;,,,,,::～,,:,,,～;,,,,:,,;,,,,,;,::,,,:,, ～,,,,:,,;:,,,: ,;,,,,;,,,,,,,,,,:,;,,,,;,,,,::,;,,,,,,,,,～;,,,,:,; ,;,,,,;:～,,～;,,,,:,,,,,,!,,,,,,,,,,,,!,,,, ,,,,;,:,,,,,:,;,,,,,,,,,,,,,,,,,,～,;,,:，;;,,,,:,,,,,,,,,,～,,:,,,,,;,,,,,,,～;,;,～,,;;,;,,:,:,,;, :,,～;,,,,:,;,,,;::,,,,～;,;,;,,,,,,,,:,,,,;,,,;:～:,;,,:::,,,,,:,～;～,,,,:,,;:,,,: ,,,;,,,,:,,;:～,,～;,:～,～,～;,,,,:,;,,,,:,～;～,～,,，;,,～::,,,;,,,,;,,:,;,～;,,,,;,,:; ,:,;,,!,,,! ,,!,,,,,,,,,,,, ,,,:,～,,,～;,,,;,,,,:,;,,:,,,,;,～:;,,,,,～;,;:,,,:,:,,～;,,,,;,,,,,,:,;,,,,,,,, ;,,,:,;,,,!,,,! ,,,～,,,,:,,;,～,,,,～:, ,～,,,～; ;,,,:,;,::,,～;,,,,;,,,,,,:,;, ,～,,;,～; ,;:,,,:,,, ～,,,,,;;, ::,,,;,,,,～,～;～,,,,:,,;:,,,:,～,,,,,,,,,:,;,,,,;,,! ,,,,,,,,, ,,,,,,,,,,,;,::,,,:,,:,,;:,,,:,;,,,,,,,,,,;，;,:,,～,,,,,,,:,;,,,,;,,,,,:,; ,;,,,,,,,,,,,,,, ! ;,,,,,,; ,,、,在信息战条件下机载有源雷达电磁隐蔽性差抗侦察抗干扰能力弱等问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 日渐呈现因此无源定位技 、、、,术备受关注它具有设备量少作用距离远隐蔽性能好生存能力强等特点对现代信息战具有极其重要的 (,,,军事意义, ,,,,无源定位是一个典型的非线性滤波问题近年来粒子滤波算法已被广泛用于解决 非线性滤波(,,,,,:,;,,,,;,,, ,,,,问题它的核心思想就是利用大量随机样本及相应的权值来逼近随机变量的后验概率分布但, ,,,是对机载无源定位系统的应用因受系统可观测性弱的影响初值误差及其协方差都非常大标准的粒子滤 ,,,,波算法很容易出现快速退化和粒子贫化现象滤波性能很差为克服这个缺陷文献提出了高斯粒子滤波(, ,,收稿日期网络出版时间,:,,:,,: ,:,,:,,,,,,, ,,,,,,基金项目国家安全重大基础研究基金资助项目国家部委基础科研基金资助项目 ,,, ,,,,,:,:,:,,，,,:,:,:,,,, ,,,,,,,作者简介刘 学男哈尔滨工程大学博士研究生,,,,,，,,,,,,～,～;::,,,,,::,,,, ,,,,,,,网络出版地址～,,,,,,:,，,,,;,，:,,,;,,,,,,,,:,,,,，,,:,,:,,,,,,,,,,:,,:,,,,,:,,,～,,,, ,,, ～,,,,,,,,,,,,,;, ,,,算法将状态的后验分布假设近似为高斯分布用蒙特卡罗积分更新状态的均值和协方差阵不需要重采样,,,,步骤在高斯分布假设成立的条件下滤波性能大幅提高但是在无源定位系统使用时由于过程噪声较小( ,,,,,,这样的操作易 造 成 样 本 聚 集影 响 估 计 精 度为 解 决 这 一 问 题文 献 提出序贯拟蒙特卡罗 (,,,,:, ,,,,算 法 和 拟蒙特卡罗高斯粒子滤波 ,;～;,,,,,,～,,,,:,,;:,,,:,,,:,～,,, ,:,,;:,,,: ,,～,,,,,, ,,,,算法通过在采样空间中生成随机化 样本使其在空间中分布更为均匀来 获得优于蒙特,,,,,:,;,,,,;,,,:,,,,,, ,卡罗 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 的估计精度但是其计算量与采样粒子个数的平方成正比且随系统状态维数的增 加呈指数形式( ,,增长针对这些问题笔者提出一种基于拟蒙特卡罗聚合重采样粒子滤波(,～,,,,:,,;:,,,: ,,算法通过使用粒子聚合技术对空间相近粒子进行加权聚 ,;,,,,;,,,,,,,,,,,:,;,,,,;,,,:,,,,(,,,,,合在保证粒子空间分布合 ,,理性的同时对粒子权值进行平滑这样就有效抑制了粒子的退化同时以聚合粒 ,,子为中心在预测均值为边界的空间内进行拟蒙特卡罗重采样在减少采样规模的同时保证粒子向高似然区 ,,,移动优化了粒子在状态空间中的分布特性提高了滤波精度仿真结果表明新算法在保证滤波精度的同 ( ,时有效提高了计算效率( 机载定位模型 , 坐标转换,,, ,与地面无源定位不同机载无源定位的观测量是在机体坐标系下进行 ,,测量的因此需要进行坐标转换首先对机体坐标系进行定义以机体质心 ( ,,,、 为坐标原点以航向方向为垂直于机体平面向上方向为轴轴轴,′ ,′ ,′ ,如图所示轴和轴构成右手坐标系,′ ,′ , ( ,,,在地固坐标系中假设在时刻目标辐射源的状态矢量为 , ,,, ,， ,， 图观测器和目标在三维的几, , ,,, ,机体姿态信息为滚动角俯仰角和偏航角状态矢,何关系图 ,! θγ,, ,， ， 、 ,, , ， ， η , ,,,,,,, ,,量为两者之间的方位角为俯仰角,,,,, ,!! :， :， :， :， :， ， ， , , ， β 为其中机体在时刻的状态矢量和姿态信息可以通过 和机载导航设备获得定义两者在机体坐标 ,, ,,, (ε， ,,,,′′ ′′ ′ ,, , ′ ′ ,,,,, ,,,系中的相对状态矢量为 位置矢量的坐标转换关系为,,,,，,， ，,!， ， , ′′′,,, ,,, ,, ,, ,, ,,,,,!! ,! , ， ,， , , , ,， ， ， :， ,， :， :， ,,,,同理速度失量也有如式中的转换关系其中表示地固定坐标系到机体坐标系的转换矩阵由地固坐 ,(,， ,,,标系分别绕轴旋转绕 轴旋转绕轴旋转得到即 , , , θγ， ， ， η ;,,::,::,,,,,,,::,,,,,,,,,,::,,,,::,γθγ，θγθγ,θγ熿燄 ， ， ， ， ， ， ， ， ， ， ， ，ηηη ,,,,::,::,,,,,,,,,,::,,,,,,,::,,,,::,,,γθγ，θγθγ，θγ, ， ， ， ， ， ， ， ， ， ， ， ， ， ηηη ,,,::,::,::,,,,,θθ ， ， ， ， ， 燀 ηηη燅 定位方法与定位模型,,, 以基于空频域信息的单站无源定位方法建立状态方程和观测方程为 ,,,, ,,,,,,,,,,,,，,，，, ,， ， ，,， ，， , ,,, ,,, ,,,,, ,, εε,， ， ， ， ， ， ,， ， ββ , ,,，，熿,， ,燄 熿燄, ,,,,,,, 其中分别为状态转移矩阵和分别为过程噪声和观测噪声均为相,,,,,， ， ， ， : ，,，, , 燀燅 燀 燅 , , ,,,,,,,,互独立的零均值的高斯噪声为阶单位阵由质点运为测量周期，,,，,,,, , (，,,δ,δ,，,,，,, , , , , ,,, 动学原理可得到各个观测变量的表达式为 ′′, , , ,,,,,,:,,,,! ， , , β , ,, ,, ′′′, ,, ,,,, ,,,,:,,,,，ε, , ， , , ,,, ～,,,,,,,,,,,,,;, , , ,′′ ′′′′ ,, ,, ,,,,,,,, !,!，! ， ，， ， ， ， ， β ,,, ～,,,,,,,,,,,,,;, ,, , , , ,, , , , ′′′′′′′′′ ′′′′′ ,,,,,,,,,,,,,, , ,,,, , ,,, ε , ,,!!， ，!，!，!，， ， ， ， ， ， ， ， ， ， ， ， ， ， , ,,,当观测站与目标辐射源之间有相对径向速度时接收到的频率 中应包含多普勒频率假设 , , ,，,, , , ,,,,目标辐射源频率恒定不变式中为多普勒频率其表达式为( ,,, , ′ ′′ ,,,,,,,,::,::,::,,,,,: , , ,, ,, ε，!ε ，ε ， ， , , , , ， ,, , , ββ ,,, 对求导得到多普勒频率变化率的表达式 为,, , , ??′? ′′ ,,,,,,， , ， ，::,，::,,,,,,::,， ， , ,,,,,,ε ，ε ，ε ， ::,,,: ,, ,β !β ε，ε， ， ，，， ， ， ， β,,,其中加速度项可忽略即为电磁波传播速度当两者之间没有较大机动的条件下: ( , , ,,, ,,,, ::,,: , ,:, , ，εε, ,， ,， , ， β， ， ， 拟蒙特卡罗高斯粒子滤波算法 , 拟蒙特卡罗方法,,, ,,,,, 文献发现完全采用蒙特卡罗随机采样不能有效地利用模拟数据采样样本会出现聚集和空隙现象, ,,,,不能充分地表示整个采样空间针对这个问题文献提出 方法通过精选的确定性样本点来代替蒙 (,,,, ,,特卡罗采样中的随机点使采样样本在状态空间内尽可能地均匀分布的同时彼此之间的距离最大其中确 ( ,,, 定性的样本点是由低偏差序列通过某种变换得到理论上对于相同维空间上的积分若采样点数为 (, , ,,,,,,蒙特卡,,,,,收敛而蒙特卡罗积分收敛阶数为 方法将以阶数 因此它的估计精度高于 ,,: ,，,:， ,，,, ,,,, 、、,,罗方法以 序 列为例给出生成拟常见的低偏差序列有 序列序列序列和 序列等,,,,,,, ,:,:,,,,,～,;,,, ,,,,,, ,,,,高斯点的方法序列可由下面公式递推得到(,,,,,, , , ,, , ,, , , , ,, , ,,, , ,,, ,,，, ,, ,, ，,, ??,,: , ,,: ,,,,其中给定一个随机整数可以构造一个关于的多项式该多项式项数为为序列的基数为的素数 ,, , , ,,,,,,… ,,,,,系数为 这样利用式就可以计算得到与对应的 序列中的一个元 , ,,:,,,, ,,,,,, 素 ,, ,? ,,, ,,,,… ,,,,,… ,,,就可以得到长度为 的维 序列 如果采用不同的基数,,, , ,,,,,, ～～～,,,, , , , , ， ,,,,,,,… , ,, 其中但是使用低偏差序列这种确定性采样方法不能保证采样点之～，，，，，，,,, ,， , , ,, , , ,,,,,间相互独立这违背了状态估计的无偏特性积分精度难以保证为此文献提出了将拟蒙特卡罗序列 (,,,随机化的方法 ( 拟蒙特卡罗高斯粒子滤波算法,,, 高斯粒子滤波算法将后验分布假设是高斯的在粒子更新权值后利用蒙特卡罗积分估计后验分布的均 ( ,,值和方差并根据这个高斯分布采样得到新的样本每次迭代重新生成新的粒子集合由于所有步骤都是对 ( ,,,,,连续分布采样的因此不会引起粒子退化和贫化问题在高斯粒子滤波算法的框架下文献用拟蒙特卡 (,, ,,罗采样样本代替传统的蒙特卡罗随机样本得到 算法算法流程如下,,,,,, ( , , ′,,,,,,,生成一个长度为 的维 序列 对其进行随机化处理得到已知 时刻,, , ,,,,,, ～～,, ,, ， ，， ，,,, , 珔,,,,,的状态分布 ,,,,,,， ,,,，,,，,, ，,, ,,, ,, ,， ,,,,,,,,,,采用节介绍的方法生成 个服从的拟高斯点采样,,,: ,(, , ,,，,,,: ，,,，,,,,, ，,, ,珔 ,, ,,, ，,, ，,, , , ,,,,, , ,,,,根据状态方程预测时刻的粒子集估计的均值和协方差即,, ,,,,,,，,，,, ，,，,, ,,, , ,, ， , ,, ,,,,,,,,, ,珔 , ,, ,, ,, ,,,，,，,, , , ，,，,, , ，,，,,，,，,, ? ，,，,, ,，,, ， ? ,,, ，,，,, 珔 ,, ,,, ， , ,,, ,,,, ,,,，,,,,,,从重要性密度中利用 采样抽取拟高斯样本 ,,,,,, ,,, ,,， ,， ， ,, ,,,,,,,,利用观测值然后进行归一化处理即 计算各个粒子的权值, ,ω, , , ,,,,,,,,,,, , , ,,,,, ,珔 ,,,,,,,,, ,,,，, , ,,,,,,ω,,,, ω,ω,,, ， ， ， ， ，，，,， ， ， , ,,,， ,,， ? ,,, ～,,,,,,,,,,,,,;, ,,,ω ， ,,, ～,,,,,,,,,,,,,;, ,,估计时刻目标状态及后验分布为 ,, , , ,,,,,,,,,, ,,,,, 珔珔 , , ,,,,, ,,, ， ， ?, ω ? ,珔 ,,,,,, ,, ， ,,,,ω ， ， ， ， ， ,,, ,,, ,,拟蒙特卡罗滤波虽然提高了滤波精度但是从算法流程可以看出较 多两步 采样 ,,:,,, ,,, ,,, ,,,,,,,,,的步骤对于 只有的计算复杂度其复杂度为且计算量与采样粒子个数的平方成正比 ,,, ,， ,， 并随系统状态维数的增加呈指数形式增长这对于实时性要求较高的机载无源定位系统来说是不可接受的 (( ,为了提高计算效率下面提出 算法,,,,,,, ( 拟蒙特卡罗聚合重采样粒子滤波算法 , 粒子聚合,,, ,,,文献在研究机器人定位时提出一种基于离散栅格的粒子聚合方法通过求取在精细划分的栅格集 ,: ,,中的粒子密度来实现对粒子的稀疏化聚合有效控制了粒子的规模提高了算法的运行效率但是其前提条 (,,,,,,,,件是机器人的作业空间二维平面比较小而且能够用直角坐标栅格进行精细划分划分尺度也可以一 ,,,,直不变这对于机载无源定位来说是非常困难的因为目标状态未知状态空间的大小也难以确定栅格的划 ,分尺度必须按状态空间的大小进行实时的调整否则就难以达到较好的聚合效果下面借鉴其思想给出划分 ( ,,尺度随时间变化的粒子聚合方法首先按文献给出状态空间网格的有关定义(,:( ,,定义若将维空间的第维分成长度相等的个左闭右开区间从而将整个空间划网格单元 , , , ,,, , , ,,,:… 分为 个不相交的维网格单元,,,, , (× × × , , , ,,,:,定义用空间上隶属于网格单元 内的样本粒子数表示的网格密度 网格密度, ,,( , , , ,,,,定义当前网格及其维方向上的相邻网格组成一个当前网格对应的规模的网 网格集, ,, ,,， ,,,,:,“”,格集对网格集相关变量采用标记网格 对应的维网格集记为 ,, ,,,, , , ,,,,定义基于样本粒子权重将单位空间内的全部粒子加权平均得到一个聚合粒子该单位 粒子聚合, ,,,:,空间称为聚合单元以网格集作为聚合单元实现的粒子聚合方法称为交叉聚合, ,,,由于无源定位系统可观测性弱初值误差及其协方差都非常大粒子初始状态空间也很大随着滤波过 ,,程的进行状态空间逐步缩小所以划分状态空间的尺度也应随着滤波时间步数和状态空间减小的趋势相应 地进行调整尺度选择一个与时间相关的平稳的高斯分布的函数为(, λ， , ,,,,,,,, ,,, ,,,, , ;,::,,,，σπσ,, λ,σ,, ，λ,,, ， β ,,,,,,其中为角度变化率测量误差文献发现角度变化率的测量精度对无源定位精度影响相对较大因此 ,σβ , ,,,将其作为一个控制参数划分尺度随变化相应地增加或减小是一个与观测次数关联的负载由于在仿 σσβ , ,,,,真中时间步数选为故参数应选在之间较为合适划 为调整常数 为最小划分尺度,,,,,,, ::,,,σ:λ,,, ,分尺度的大小要综合考虑系统误差和定位精度的要求的影响由于粒子聚合时相同网格集内的所有粒子加 ,,权聚合为一个聚合粒子而这个粒子又隶属于相邻的不同网格集根据聚合造成的近似误差应该小于克拉美 ,,,,罗下限的原则根据先验知识给出粒子聚合算法的流程如下 :,，, ,:,，,λ? ,,, ,,,, 划分网格课题的背景是机载平台对海面慢速目标的无源定位只需在二维平面内划分网格即可,( ,,,其原因是对于远距离的慢速目标速度突变的概率较小速度空间也比较狭小因此不对速度空间进行划 ,,,,分首先用式对粒子二维状态空间划分为 个非空网格单元对应于个网格集假设网格单元中含( ,,, , ,, 有 , , , , , , … … ,,,,,,,,,,,,,,,,,,,,,个粒子对 应 于 二 维 网 格 集 ,,,,，,,,,,,,，ω,,,ω,,, , ， ， ， ， ， ， ， ， , , 为二维网格集中含有的粒子数目,(，,, , ，, , ,,,,,,交叉聚合以网格集作为聚合单元内的全部粒子加权聚合为相应的聚合粒子即 ,((,ω, , , ,, ， ，，,,,， ， ， , , , , ,, , ,,,,, , ,,, ωω ω, ω ， ，， ，， ，??? ,,, ,,, ,,, ,,,,由于文献已经采用斯米尔诺夫检验方法检验了聚合前后样本分布的一致性这里不再证明将聚合前后 ,: ,,, ～,,,,,,,,,,,,,;, 样本保持同分布作为结论使用( ,,, ～,,,,,,,,,,,,,;, 基于拟蒙特卡罗聚合重采样粒子滤波的机载无源定位算法,,, ,,由节的分析可以看出因此提高效率的 关的计算效率主要受 采样粒子数目的影响,(, ,,:,,, ,,, ,键在于减少 采样的粒子数下面提出的 算法的核心思想是首先采用粒子聚合技术对 ,,, (,,,,,,, 空 其,,, 然后以聚合粒子为中心在预测均值为边界的空间内进行拟蒙特卡罗重采样间相近粒子进行加权聚合 ,,,创新在于省略了 预测采样空间的步骤在聚合粒子周围邻域内进行 采样在保证空间 分,,,,,, ,,, ,,布合理性的同时减少 采样规模而且还保证了粒子向高似然区移动优化粒子在状态空间中的分布 特,,, ,,性提高滤波精度下面给出算法流程( , , 和 得出目;,,ε，ε ε ,: ,::, : ,:β , , , , ,′′′,,,,,标在弹体坐标系下的位置矢量的估计结合和式得出目标在地固坐标系下的位置, ,, ,, ,,,, , , , ,, , ,,,,再根据初次观测误差计算出初 ,,,矢量的估计将初始速度设为这样得到初始状态估计为 ,,, ,,!,: ,:,: ,始误差协方矩阵,, : ,,,,,,,,步同 的步 ,,,,,,,, ,,(:: ,中 所 含 有 的 粒 子 数 目 ,,,粒 子 聚 合采 用 节 的 步 骤 对 粒 子 进 行 聚 合记 录 每 个 网 格 集 ,(,(, ,,,, ,, , , , ,… , ,, ,,…,其中对每个网格集中的粒子进行聚合生成 ， ，,,， ，， ,, , ,, ， ,，， ,,, ，,，, ,, ，, ,, , , ,,,, ,,个聚合粒子,,ω ， ， ,, ,,,, ,,,,,,首先生成长度为 的四维随机化 序列 然后将其截断 粒子聚合重采样,,,: , , ,,, ～,,,,, , 成 个长度为 ,的子序列通过 , ，,,, ,, , ,, , , , , , 珔 , , , ,,,,,～,,， ,,×, ， ， ， ，, , , , ,, ,， ,,, 珔 , , ，,,,, ,,, ,,,, ,为中心以为边界的空间内的 个采样粒子 得到以这样每个网格集,,，,,,,,: , ω, , ， ， ，, ， ， ,,, , , , , , , ,,,, 中的粒子数目又重新回归到 最后将网格集内的所有粒子权值进行均分，，,,ω,, ω, ，, ， ， ，,下面证明网格集中粒子聚合前后均值的一致性 ( ,, ， ， , ,,,,,，, ，, ,, ωω , , , , ， ， , , , , ,, ? ,，,,,，, , , ,,,,,,， ,ω , , , ,, , ,, , , , , , , ,,ω, ?,,，,,,, ， , , , , ,, ,， ， ， ,， ， ， ， ， ,, ,,,,，,， ,,, ,,,式证明了 采样后的粒子集与聚合粒子的均值一致性然后再通过 ,,,,, , ,, ,, , ,, , , , , ,, , 珔 , ,, ,,,,,, ，, ， ?? , , , , ,,, ,,, ,,, ,,,,, , 就可以证明粒子聚合前后均值是一致的 ( 仿真实验与结果分析 , ,、,设置组实验在不同的观测精度条件下对比 和 算法性能进行测试, ,,:,,,, ,,,,, ,,,,,, ,,,,,,,采用 系 统 重 采 样仿 真 参 数 设 置 如 下在地固坐标系中假 设 载 机 的 起 始 位 置 为 速 度 为 ,, (::,，,,,,,,,,,,,,,,,姿 态 的 变 化 规 律 为 机 载 和 导航设备的精度为 ,::,,::,,,,,,,,,,,,,:,,,,,,,,,, ,,,,,,,, 目标辐射源的起始位置为 ,,:，,,::，,,,:,,,,,,:,,σ,σσ,σ,σ ,σ,,,,, , :: : : : : ,, ,,,, ,,,, 速度为 实 验 中每 组实验的测量精度如 下 ,,,,,,,,,:,,,, ,,,,,: σ,σ, σ, × ε , β , ,, ,, ,,,,,实 验 中 ,，,:,,,:,,,,,, ,,,,,:,,,,，,:,,σ,σ, σ,σ, σ, σ,σ, ×××ε ε ,εβ β β , ,,,,,, ,,,,,,目实验中组实验中 ,:,,,,,, ,,,:,,,,,,,,,,,,,:,，,,:σ,σ , σ,σ,σ, ××ε ,εβ β , ,,,, 标载频为 采样周期 观测次数为次各滤波算法取相同的粒子数 ,,,,,, ,,,,, (， ,:,，,σ,,,, , ,,,算法的性能指标用相对距离误差 来测度仿真中每一组进行次 实验定位精度为 ,::,(,, ,,,,,,,,,, ,, ,定位跟踪最后秒 的均值粒子的退化程度用平均有效粒子数 作为衡量指标即 ,, ,(,,, ,,, , ,, ,, , , ,, ,,,,,,, ,,，,,, , ,::, ,:,, ,， !,!，!×,, ,,,～; ,,～; ,,～; ,,～;, ,,, ～,,,,,,,,,,,,,;, ， ,:: , , , ,,,,, ,,,,，,, ω，,，, ,,;,,， ， ;,, ;,,， ??,:: ，,,,,, 、 表算法在不同观测精度时定位精度单次运行时间和平均有效粒子数比较, 实验实验实验 ,,, 算法 定位 单次运行 平均有效 定位 单次运行 平均有效 定位 单次运行 平均有效 ,,,,,,粒子个数粒子个数粒子个数精度 时间 精度 时间 精度 时间 ,,,,,,,, ,(,, ,(,,,, ,,(,,,, ,,(,, ,(,,,, ,,(,,,, ,,(,, ,(,,,, ,(,,,, ,,, ,(,, ,(,,,, ,,,(,,,, ,(,, ,(,,,, ,,,(,,,, ,(,, ,(,,,, ,,,(,,,, ,,,,,, ,(,, ,(,,,, ,,,(,,,, ,(,, ,(,,,, ,,,(,,,, ,(,, ,(,,,, ,,,(,,,, ,,,,,,, ,(,, ,(,,,, ,,,(,,,, ,(,, ,(,,,, ,,,(,,,, ,(,, ,(,,,, ,,,(,,,, ,图给出了实验中空间划分尺度随时间变化的曲线仿真结果如表和图所示 , , , ,, (: 图实验时粒子空间划分尺度随时间变化的曲线 图实验时各算法的统计平均曲线, , , , 图实验时各算法的统计平均曲线 图实验时各算法的统计平均曲线, , , , ,,图给出了实验中空间划分尺度随时间变化的曲线开始时的划分尺度为随时间进行高斯分布 ,,,,,, ,,形式的递减在 的时候递减到观测精度时的一直保持到最后这是根据大量仿真统计得 ,,,,,,,, ,(,,,,( ,,,,出的结果限于篇幅未给出实验和中空间划分尺度随时间变化的曲线但其可由式推导得出(,,,,( 度,,,从表和图可以看出随着观测精度的降低各算法的定位精度开始降低可以看出的定位精 , ,, (,, : ,,在收敛到一定程度后就会一直保持不再继续收敛从表的平均有效粒子数可以看出这是发生了严重 的(, ,,,粒子退化和贫化现象而 因为高斯分布的假设成立且从连续分布中进行采样对每个样本点增加高 斯,,, ,,,扰动从 而 增 加 粒 子 的 多 样 性不 会 出 现 粒 子 贫 化 问 题因 此 它 的 性 能 较 有 较 大 改 善在 (,, ,,:,,, ,,, ,的基础上采用拟蒙特卡罗采样技术使得采样点在状态空间中的分布更加均匀提高了对状态后验分布 的估 ,,,计精度因此在相同粒子数的条件下定位精度高于 但是从表可以看出在提高定位,,,(, ,,:,,, ,,, ～,,,,,,,,,,,,,;, ,精度的同时算法的单次运行时间也大幅增加 ( ,,同样也可以看出在 的定位精度略高于 定位精度的同时有效提高了算法的运 ,,,,,,, ,,,,,, ,,,行效率分析 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 后有以下个原因首先省略了 预测采样空间的步骤而是使用 粒(, ,,:,,,, ,,,,,, ,,子聚合技术对空间相近粒子进行加权聚合在保证粒子空间合理性的同时在聚合粒子周围进行 采 ,,, ,,,,样采样规模随着空间划分尺度的缩小而缩小这就减少了采样粒子的数量相应地也就提高了算法的运行 ,,,,效率其次粒子聚合也是对粒子权值进行平滑的过程这样就有 聚合重采样再一次均分了粒子权值,,: ,,,,效抑制了粒子的退化最后在以聚合粒子为中心以预测均值为边界的空间内进行拟蒙特卡罗重采样在 ,,,避免粒子过度重叠的同时保证了其向高似然区移动优化了粒子在状态空间中的分布特性增加了样本的 ,多样性相应地也就提高了滤波精度( 结 束 语 , ,,结合利用空频域信息的机载无源定位方法提出与之相适应的 算法将粒子聚合技术与拟蒙 ,,,,,,, ,,,特卡罗采样技术相结合在保证粒子空间分布合理性的同时提高了算法的运行效率以聚合粒子为中心进行 ,,,重采样在优化了粒子在状态空间中的分布特性的同时保证了粒子向高似然区移动提高了滤波精度,,, ( ,参考文献 ,,,,,,,,孙仲康郭福成冯道旺单站无源定位跟踪技术 ,,北京国防工业出版社 , , ,,::,,,,,,:,,,,,,,,( ,,,,,,,,,,,, ,:,,:,，，,,,,:,, ,，,,,,～ , , ,,，:,;,,,:,:～,: ，:,,,,;,,,,:,，, ，，，，,,:::,,,,,,,,,,,,,,,,::;,,,,,,,,,,:,,:,,,,,,～,,,,,,,;,,,,,,,,;，,,,,,,,:,,,,,!,,, ,,,,,,,,,,, ，:,;:～,，，,～,,:, ,,,,～,,,,,,,,,,:,;,,,,;,，,，，，， ,,,,,:,,,,,,,,::;,,,,,::,,,,,,,,,,:,,,,,, ,,,,,,, ,～:,,,,, ,,,～,,,,:,,;:,,,:,,,,;,,,,,，:,,,,;,,,,,,,:,,,;,,，,，，，， ,,,,,:,,,,,,,,::;,,,,,,,!!,, ,,,,,::,,,,,:,,,:,,,, ,,,,,郭辉姬红兵武斌采用拟蒙特卡罗法的被动多传感器目标跟踪 西安电子科技大学学报 ,,,,,,, ，,,:,:,,,,:,,,( ,,,,,,,,,,～: ，～,，,，:,,,,,～ ,,,,,～,,,,:,,;:,,,: ,,～,,,,, ,,,,,:,;,,,,;,,,,;, ,,,;,,,,:，,,,:,,～; ,～,,,,; ,,,,,,;,;,,:,，,，:～,,,,:,,,,,,, ,,,,;,,,,,:,:,,,,:,,,:,,,,:,,, ,,,,,,!, ,,刘学,焦淑红,司锡才观测域求积分卡尔曼滤波的机载无源定位算法 ,,西安交通大学学报,,,,, , ，,,:,,,,,,,,(, ,,，,～,～;，,,:,～～～:,,,,,:,,,,;,,～,;,,:;,～,,;,::,,～,,,,,～,;，,,,,,,,,,;,,:,,,,,:,,;,,,,,,;，::,,,:,,,,, ,,, ,,,,,,,，,，:～,,,,:,,,,,，,,:,:,,,,,;,,,,,:,,,,,,,,,,,, , !, ,,,,,,,, :,;, , ,, ,:,,; :,,,: ，,,;,,,:, :, ,～,,,,:,,; :,,,: :,,,,:: :,,～; ,,,, ,,,,;, ,,,～,,,,:, ::,,;,;,:;, ,,,:,,,,,，，，，,,,,,,,,,,,,!, ,,,,,,, ，;,,;,,:,,,:～,;,,, ,:::，;, ,,,;,;,,,,,,;;,,;,,,～,,,,,,,:, ，～,,;,,:,,,,:::,,～;,::: ,,,,;,,,, ,,,,,,～,,,,:,::,,;,;,:;,,,,:,,,,,，，，，,:::,,,,,,,!, ,,,,,,, ,,:,,,,,,,:～,,;:,～,;,,:, ，,,,:,;,,，,,;,;,,,,,:,:,,,,,,:,; ,,,,;,,, ,，;, ,:,，,,:,,,::， ,,,,;,,,,, ,! ! ,::,, ,,,,,,～,,～～,:,,,:～,,;,;,,,,,,,,,;, ，,,,,,:～;,,,李天成孙树栋采用双重采样的移动机器人 定位方法,,自动化学报,,,,,,,,: ,,,,,,,,,,，,,:,:,,,,,,,,,,,,, ( ,,,,,,,,:,,;:,,,:，::,,,,,,,:,,:,,:,,,;,:,:,，,,:,,,～,:,,,,:, ,,,,:,,:,:,,,,,,,,,,,,, ,,,,,,,,李天成孙树栋司 书 关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf 宾等基于粒子聚合重采样的移动机器人蒙特卡罗定位,,机器人,, ,, ，,,:,:,,,,,,,,:,(, ,,,，,,,,,:～;,,～,,～～,:,,,,～～,,,;,,,,,,,,,:,; ,;,,,,;,,,,,,,,,;, ,:,,;:,,,:，::,,,,,,,:,,:, ,:,,,;,,,,,, ,,,,,,,,:,:,，,,:,:,,:,:,,,,,,,,:,, ,,,编辑齐淑娟 ,,, ～,,,,,,,,,,,,,;,