辅助粒子滤波算法及仿真举例 (2006年)

粒子滤波算法是近年来提出的一种较新的算法。通常的粒子滤波利用采样重要性重抽样算法，该算法选用先验分布，但它易受外部观测量的影响，因而会导致权值变化较大，并且引起较高的蒙特卡罗方差以致会使滤波性能较差。为此，本文引入一个辅助变量，利用一种新的使用二次加权操作的粒子滤波算法——辅助粒子滤波算法来对采样重要性重抽样算法进行改进。最后，通过两个仿真实例一维非线性追踪模型和二维纯方位目标追踪模型，进一步分析指出辅助粒子滤波算法比采样重要性重抽样算法更有效。