改进无迹粒子滤波在GPS/DR组合导航中的高效应用

"改进的无迹粒子滤波在组合导航中的应用研究 (2012年) - 张洋溢, 王忠 - 四川大学电气信息学院" 本文探讨的是粒子滤波算法在非线性非正态约束条件下的应用，特别是在组合导航系统中的改进方法。粒子滤波是一种统计滤波算法，它适用于处理那些不能用线性或正态分布模型准确描述的复杂系统。由于粒子滤波在处理过程中可能出现粒子退化的问题，即粒子多样性丧失，导致滤波性能下降，因此作者提出了一种改进的无迹粒子滤波（Improved Unscented Particle Filter, IUPF）算法。 无迹卡尔曼滤波（Unscented Kalman Filter, UKF）通常用于生成近似的高斯分布，这一特性被该改进算法所利用，将UKF产生的分布作为重要性密度函数。在粒子滤波的每次迭代中，结合马尔科夫链蒙特卡洛（Markov Chain Monte Carlo, MCMC）方法，粒子能够在状态空间中更有效地移动，增加了粒子的多样性和分布的覆盖率，从而有效地防止了粒子退化现象，提高了滤波的精度和稳定性。 组合导航系统，如GPS（全球定位系统）和DR（Dead Reckoning）系统，依赖于多种传感器数据的融合来提高定位准确性。将改进的IUPF应用于这种系统中，通过信息融合，可以克服单一导航方式的局限性，例如GPS可能受到遮挡或干扰，而DR则可能存在累积误差。通过仿真验证，作者表明采用IUPF的组合导航系统具有出色的跟踪性能，能够更好地追踪目标的位置和运动状态。 关键词涵盖了粒子滤波的基础理论及其优化，如改进的无迹粒子滤波（IUPF），以及特定的应用场景——GPS/DR组合导航，还包括信息融合策略。此外，论文还讨论了粒子滤波相对于传统滤波方法的优势，如灵活性、并行处理能力和适应非高斯分布的能力。 这篇论文是在2012年由张洋溢和王忠发表的，他们隶属于四川大学电气信息学院，研究方向包括数字信号处理和通信安全。文章得到了航空科学基金项目的资助，表明其研究对于航空领域的导航技术有重要的理论和实践意义。该研究不仅深化了对粒子滤波算法的理解，还为实际导航系统的性能提升提供了新的思路和解决方案。