一般性粒子滤波算法收敛特性

被引：15

作者：

曲彦文

张二华

杨静宇

机构：

[1] 南京理工大学计算机科学与技术学院

来源：

计算机研究与发展 | 2010年 / 01期

关键词：

粒子滤波; 蒙特卡罗; 重要性采样; 最优滤波; 几乎必然收敛;

D O I：

暂无

中图分类号：

TN713 [滤波技术、滤波器];

学科分类号：

080508 [光电信息材料与器件];

摘要：

粒子滤波算法在处理最优滤波问题时受到了广泛的重视,对此类算法的收敛性研究是该领域研究的热点问题.首先介绍了一种变换的一般性粒子滤波算法,与一般性粒子滤波算法不同,在每次执行重要性采样步骤后,新算法需要判别是否需要重新执行重采样步骤和重要性采样步骤.随后对新算法的几乎必然收敛性进行了分析,并将对新算法的收敛性讨论推广到一般性粒子滤波算法中.研究了当感兴趣函数在扩展状态后验联合分布下四阶距存在并且递归次数有限时,由一般性粒子滤波算法得出的估计几乎收敛于最优估计的充分条件.最后,通过一组仿真实验来说明一般性粒子滤波算法的几乎必然收敛性.

引用

页码：130 / 139

页数：10