基于高斯厄米特粒子滤波算法的多用户检测

标准粒子滤波存在粒子退化的缺陷,高斯厄米特粒子滤波算法可以缓解这个缺陷。新算法中,利用高斯厄米特滤波来产生重要性概率密度函数,该概率密度函数在系统状态的转移概率基础上加入新的观测数据,更接近于系统状态的后验概率。理论分析和实验结果表明:在相同的情况下,高斯厄米特粒子滤波算法优于标准粒子滤波算法。

基于B样条曲线的GHPF轮廓跟踪算法

针对视觉跟踪中粒子滤波算法的建议性分布函数选择问题,提出一种目标轮廓跟踪的高斯厄米特粒子滤波算法(GHPF)。该算法采用B样条曲线描述目标轮廓,建立目标运动模型。利用高斯厄米特滤波器产生建议性分布函数,通过实时融入最新的观测数据来逼近系统状态的后验概率,提高了滤波估计的精度。实验仿真结果验证了所提算法的有效性。

自适应GHPF及其在组合导航中的应用

研究组合导航系统精度优化问题,针对粒子滤波存在重要性密度函数难以选取的问题,提出一种新的自适应GHPF算法,通过高斯-厄米特滤波来获取状态均值和协方差阵,计算自适应因子并利用自适应因子调节均值和方差,得到一种参数可调节的重要性密度函数。重要性密度函数考虑了最新量测的影响,提高了滤波精度,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,仿真结果表明,提出的滤波算法能提高导航计算的精度,定位性能明显优于与扩展Kalman滤波、粒子滤波以及高斯-厄米特粒子滤波。