粒子滤波 PF——在机动目标跟踪中的应用(粒子滤波VS扩展卡尔曼滤波)

Posted 脑壳二

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了粒子滤波 PF——在机动目标跟踪中的应用(粒子滤波VS扩展卡尔曼滤波)相关的知识,希望对你有一定的参考价值。

粒子滤波 PF——在机动目标跟踪中的应用(粒子滤波VS扩展卡尔曼滤波)

对于该博客跟踪代码以及问题探讨可以联系:WX:ZB823618313
对于其他跟踪定位问题的代码及探讨也可以联系

粒子滤波 PF——在目标跟踪中的应用

原创不易,路过的各位大佬请点个赞

一、问题描述(离散时间非线性系统描述)

考虑一般非线性系统模型,
x k = f ( x k − 1 , w k − 1 ) z k = h ( x k , v k ) (1) x_k=f(x_k-1,w_k-1) \\\\ z_k=h(x_k,v_k ) \\tag1 xk=f(xk1,wk1)zk=h(xk,vk)(1)
其中 x k x_k xk k k k时刻的目标状态向量。 z k z_k zk k k k时刻量测向量(传感器数据)。这里不考虑控制器 u k u_k uk w k w_k wk v k v_k vk分别是过程噪声序列和量测噪声序列,并假设 w k w_k wk v k v_k vk为零均值高斯白噪声,其方差分别为 Q k Q_k Qk R k R_k Rk的高斯白噪声,即 w k ∼ ( 0 , Q k ) w_k\\sim(0,Q_k) wk(0,Qk), v k ∼ ( 0 , R k ) v_k\\sim(0,R_k) vk(0,Rk),且满足如下关系(线性高斯假设)为:
E [ w i v j ′ ] = 0 E [ w i w j ′ ] = 0 i ≠ j E [ v i v j ′ ] = 0 i ≠ j \\beginaligned E[w_iv_j'] &=0\\\\ E[w_iw_j'] &=0\\quad i\\neq j \\\\ E[v_iv_j'] &=0\\quad i\\neq j \\endaligned E[wivj]E[wiwj]E[vivj]=0=0i=j=0i=j

二、粒子滤波 PF

核心思想:是使用一组具有相应权值的随机样本(粒子)来表示状态的后验分布。该方法的基本思路是选取一个重要性概率密度并从中进行随机抽样,得到一些带有相应权值的随机样本后,在状态观测的基础上调节权值的大小。和粒子的位置,再使用这些样本来逼近状态后验分布,最后将这组样本的加权求和作为状态的估计值。粒子滤波不受系统模型的线性和高斯假设约束,采用样本形式而不是函数形式对状态概率密度进行描述,使其不需要对状态变量的概率分布进行过多的约束,因而在非线性非高斯动态系统中广泛应用。尽管如此,粒子滤波目前仍存在计算量过大、粒子退化等关键问题亟待突破。

通常情况下选择先验分布作为重要性密度函数、即
q ( x k ∣ x k − 1 ( i ) , z k ) = p ( x k ∣ x k − 1 ( i ) ) q(x_k |x_k-1^(i), z_k)=p(x_k |x_k-1^(i)) q(xkxk1(i),zk)=p(xkxk1(i))
对该函数取重要性权值为
w k ( i ) = w k − 1 ( i ) p ( z k ∣ x k ( i ) ) w_k^(i)=w_k-1^(i)p(z_k |x_k^(i)) wk(i)=wk1(i)p(zkxk(i))
同样 w k ( i ) w_k^(i) wk(i)需要归一化得到 w ~ k ( i ) \\tildew_k^(i) w~k(i)

标准的粒子滤波算法步骤为:

粒子滤波PF:
Step 1: 根据 p ( x 0 ) p(x_0) p(x0)采样得到 N N N个粒子 x 0 ( i ) ∼ p ( x 0 ) x_0^(i) \\sim p(x_0) x0(i)p(x0)
For i = 2 : N i=2:N i=2:N
  Step 2: 根据状态转移函数产生新的粒子为:$ x k ( i ) ∼ p ( x k ∣ x k − 1 ( i ) ) x_k^(i) \\sim p(x_k |x_k-1^(i)) xk(i)p(xkxk1(i))
  Step 3: 计算重要性权值: w k ( i ) = w k − 1 ( i ) p ( z k ∣ x k ( i ) ) w_k^(i)=w_k-1^(i)p(z_k |x_k^(i)) wk(i)=wk1(i)p(zkx以上是关于粒子滤波 PF——在机动目标跟踪中的应用(粒子滤波VS扩展卡尔曼滤波)的主要内容,如果未能解决你的问题,请参考以下文章

粒子滤波 PF——在机动目标跟踪中的应用(粒子滤波VS扩展卡尔曼滤波)

粒子滤波 PF——在机动目标跟踪中的应用(粒子滤波VS扩展卡尔曼滤波)

交互式多模型-粒子滤波IMM-PF—在机动目标跟踪中的应用/matlab实现

交互式多模型-粒子滤波IMM-PF—在机动目标跟踪中的应用/matlab实现

交互式多模型-粒子滤波IMM-PF—在机动目标跟踪中的应用/matlab实现

一篇博客彻底掌握:粒子滤波 particle filter (PF) 的理论及实践(matlab版)