《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 基于量化測量的前向-后向箱粒子平滑器
基于量化測量的前向-后向箱粒子平滑器
2022年電子技術(shù)應(yīng)用第5期
孫 文
中國西南電子技術(shù)研究所,，四川 成都610036
摘要： 提出了一種新的前向-后向箱粒子平滑算法。在正向過程中,，使用標(biāo)準(zhǔn)的箱粒子濾波算法,。在后向過程中,，使用箱粒子近似平滑后驗(yàn)概率。提出了一種額外的箱粒子移動步驟,，使箱粒子在目標(biāo)周圍集中,。通過量化測量下的仿真，驗(yàn)證了所提算法的性能優(yōu)勢,。
中圖分類號： TN911.7
文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.212195
中文引用格式： 孫文. 基于量化測量的前向-后向箱粒子平滑器[J].電子技術(shù)應(yīng)用,，2022，48(5)：114-118.
英文引用格式： Sun Wen. Forward-backward box smoothing with quantized measurements[J]. Application of Electronic Technique,，2022,，48(5)：114-118.
Forward-backward box smoothing with quantized measurements
Sun Wen
Southwest China Institute of Electronic Technology，Chengdu 610036,，China
Abstract： In this work, we are interested in promoting tracking accuracy of target in quantized measurements by taking the de-laying measurements into consideration. Specifically, a novel forward-backward box particle smoothing algorithm is proposed. In the forward pass, the algorithm iterates with standard box particle filter. In the backward pass, smoothing posterior density is approximated by box particles. An extra moving step of box particles is proposed to concentrate the box particles around the target. Simulations under quantized measurements are presented to verify the accuracy promotion of proposed algorithm.
Key words : quantized measurements,；tracking target；particle filter,；box particle filter,；forward-backward box particle smoothing

0 引言

    近年來，對量化測量的關(guān)注越來越多[1-5],，正如文獻(xiàn)[3]中所指出的,，量化是由于通信信道的帶寬有限造成的。由于量化測量提供了目標(biāo)的區(qū)間描述而不是點(diǎn)描述,，傳統(tǒng)的跟蹤方法(如常用的粒子濾波)不能直接用于量化測量,。在文獻(xiàn)[6]中，提出了一種特殊的粒子濾波方法,，稱作箱粒子濾波算法(Box Particle Filter,，BPF)來解決上述問題。其將測量值作為區(qū)間,，而不是傳統(tǒng)的點(diǎn)觀測值,。BPF通過引入?yún)^(qū)間分析方法，為量化測量提供了一種明確的解決方法,。近年來,，其已經(jīng)成功地應(yīng)用于數(shù)量可變多目標(biāo)跟蹤[7-8]和擴(kuò)展目標(biāo)跟蹤[9-10],。

    隨機(jī)評估需要解決三個重要的問題：濾波、平滑和預(yù)測[11],，然而過去幾年,，濾波和預(yù)測經(jīng)常被深入探討，平滑卻經(jīng)常被忽略,。聯(lián)合延遲觀測和平滑對預(yù)測性能的改善會超過濾波[12],。對于線性高斯模型，平滑方法是基于卡爾曼濾波框架提出的[11],。對于非線性非高斯模型,，平滑方法是通過對粒子濾波進(jìn)行擴(kuò)展得到的[13]，或者前向-后向平滑方案[14-16],，或者基于塊的粒子方法[17],，或者雙濾波平滑器[18-20]。最近在文獻(xiàn)[21]中提出了一種具有線性復(fù)雜度但不像文獻(xiàn)[13]那樣受粒子損耗影響的SMC平滑器,。

    本文提出了一種基于量化測量的前向-后向箱粒子平滑(Forward-Backward Box Particle Smoothing,，F(xiàn)B-BPS)算法來解決上述問題，在前向過程中,，濾波密度通過標(biāo)準(zhǔn)粒子濾波正向傳播給時刻,，在反向過程中，根據(jù)BPF的相關(guān)特征推導(dǎo)出平滑公式[13],。為了進(jìn)一步提高狀態(tài)估計(jì)精度,，提出了一種新的箱形粒子移動步驟。量化測量的仿真結(jié)果表明,，即使是1階(1-Lag)滯后平滑也能顯著提高測量精度,。




本文詳細(xì)內(nèi)容請下載：http://wldgj.com/resource/share/2000004289。




作者信息：

孫  文

(中國西南電子技術(shù)研究所,，四川 成都610036)





wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載。