自调整平滑区间粒子滤波平滑算法

摘要

针对非线性系统的状态估计问题,提出了一种自调整平滑区间粒子滤波平滑算法.该算法的显著特点是根据采样粒子观测值与系统状态观测值之间的偏差动态修正滤波平滑区间的长度,有效抑制了传统的粒子滤波平滑算法中因区间长度固定可能造成粒子权重重新赋值带来误差增大的问题.该算法的原理是依据粒子滤波器的工作机理,把系统状态信息和热槽组成一个抽象的整体,将粒子滤波平滑过程类比为观测信息和热槽交互的统计力学系统.在无新的观测信息时,整个系统遵循热力学第二定律,即无论从任何初始状态出发,整个力学系统的熵是非减的;而当出现新的观测信息时,粒子滤波器像麦克斯韦妖从新的观测信息中抽取能量传送给热槽,使整个抽象系统的熵减少,根据系统熵的递变规律变化对滤波平滑区间的长度加以动态修正,优化粒子的权重赋值,进而提高系统状态的估计精度.利用Matlab进行了仿真分析,验证了该算法的有效性.