跳变马尔可夫模型状态估计的粒子滤波算法研究

【摘要】：状态空间模型是一种能够全面刻画系统特征与状态的数学描述方法，在应用方面比信号描述方法更为灵活，也更为宽泛，因此，在诸如信息处理、模式识别以及自动控制等领域受到了普遍的重视。状态变量估计是建立状态空间模型的核心工作之一，并先后发展了一系列的估计方法与算法，尤其是突破了线性及高斯条件约束的粒子滤波方法得到了快速的发展。 本文在系统分析传统粒子滤波理论与应用问题的基础上，重点研究了基于跳变马尔可夫状态空间模型的粒子滤波算法。针对混合系统在二维离散状态情形下的混合状态估计问题，给出了基于Rao-Blackwellised粒子滤波的二维离散状态与连续状态的同步估计算法，一定程度上缓解了传统粒子滤波算法在高维状态空间估计中的失效问题，有效提高了状态估计的精度。应用数值仿真计算，对相关粒子滤波算法的性能进行了比较分析。结果表明，本文研究的算法能够有效完成二维离散状态与连续状态的同步估计，其中，二维离散状态的估计准确率达到了96％。