求积分卡尔曼粒子滤波算法

巫春玲　韩崇昭

摘要：针对非线性／非高斯系统的状态估计问题，提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法——PF-QKF算法。新算法使用统计线性回归的方法，通过一套高斯一厄米特积分点来线性化非线性函数，不需要计算雅可比矩阵，易于实现，而且所产生的重要性密度函数在系统状态转移概率密度的基础上，融入最新的观测数据，提高了对系统状态后验概率的逼近程度。理论分析和实验结果表明，PF-QKF算法的估计精度比无味粒子滤波(PF-UF)算法提高了约18％，其计算复杂度比PF-UF算法稍有降低，表明PF-QKF算法是一种很有效的非线性滤波算法。

关键词：粒子滤波；统计线性回归；求积分卡尔曼滤波；重要性密度函数

中图分类号：TP391文献标志码：A文章编号：0253—987X(2009)02—0025—04