高级搜索

学生t量测分布下鲁棒粒子滤波算法的设计与实现

王宗原 周卫东

引用本文: 王宗原, 周卫东. 学生t量测分布下鲁棒粒子滤波算法的设计与实现[J]. 电子与信息学报, doi: 10.11999/JEIT190144 shu
Citation:  Zongyuan WANG, Weidong ZHOU. Design and Implementation of Robust Particle Filter Algorithms under Student-t Measurement Distribution[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190144 shu

学生t量测分布下鲁棒粒子滤波算法的设计与实现

    作者简介: 王宗原: 男,1977年生,讲师,研究方向为统计信号检测与处理;
    周卫东: 男,1966年生,教授,研究方向为卫星导航、组合导航技术;
    通讯作者: 周卫东, zhouweidong@hrbeu.edu.cn
  • 基金项目: 国家自然科学基金(61773133),中央高校基本科研业务费(3072019CF2419)

摘要: 野值是一种异于总体数据的非高斯量测值,在实际传输中野值的加入常使信号出现厚尾特性。粒子滤波是基于贝叶斯框架的适用于非线性/非高斯系统的一种滤波方法。如果在量测噪声中存在野值会使粒子滤波的精度下降。该文利用学生t分布建模量测噪声模型,结合变分贝叶斯(VB)递推方法设计一种新颖的粒子滤波MPF-VBM,它在滤波同时可对量测噪声的包括均值在内的全部参数进行实时估计。进一步,利用该估计算法,在量测噪声时变条件下研究了噪声关联的粒子滤波算法MPF-VBM-COR-1。通过对典型单变量增长模型的仿真,验证了所提两种算法相比于已有算法在状态估计上具有更优越的鲁棒性。

English

    1. [1]

      XU Long, MA Kemao, LI Wenshuo, et al. Particle filtering for networked nonlinear systems subject to random one-step sensor delay and missing measurements[J]. Neurocomputing, 2018, 275: 2162–2169. doi: 10.1016/j.neucom.2017.10.059

    2. [2]

      STORVIK G. Particle filters for state-space models with the presence of unknown static parameters[J]. IEEE Transactions on Signal Processing, 2002, 50(2): 281–289. doi: 10.1109/78.978383

    3. [3]

      SAHA S, ÖZKAN E, GUSTAFSSON F, et al. Marginalized particle filters for Bayesian estimation of Gaussian noise parameters[C]. Proceedings of 13th International Conference on Information Fusion, Edinburgh, UK, 2010: 1–8. doi: 10.1109/ICIF.2010.5712016.

    4. [4]

      ÖZKAN E, ŠMÍDL V, SAHA S, et al. Marginalized adaptive particle filtering for nonlinear models with unknown time-varying noise parameters[J]. Automatica, 2013, 49(6): 1566–1575. doi: 10.1016/j.automatica.2013.02.046

    5. [5]

      ZHAO Yujia, FATEHI A, and HUANG Biao. Robust estimation of ARX models with time varying time delays using variational Bayesian approach[J]. IEEE Transactions on Cybernetics, 2018, 48(2): 532–542. doi: 10.1109/TCYB.2016.2646059

    6. [6]

      PICHÉ R, SÄRKKÄ S, and HARTIKAINEN J. Recursive outlier-robust filtering and smoothing for nonlinear systems using the multivariate student-t distribution[C]. Proceedings of 2012 IEEE International Workshop on Machine Learning for Signal Processing, Santander, Spain, 2012: 1–6. doi: 10.1109/MLSP.2012.6349794.

    7. [7]

      ZHANG Yonggang, JIA Guangle, LI Ning, et al. A novel adaptive Kalman filter with colored measurement noise[J]. IEEE Access, 2018, 6: 74569–74578. doi: 10.1109/ACCESS.2018.2883040

    8. [8]

      HUANG Yulong, ZHANG Yonggang, LI Ning, et al. A novel robust Student's t-based Kalman filter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(3): 1545–1554. doi: 10.1109/TAES.2017.2651684

    9. [9]

      XU Dingjie, SHEN Chen, and SHEN Feng. A robust particle filtering algorithm with non-Gaussian measurement noise using student-t distribution[J]. IEEE Signal Processing Letters, 2014, 21(1): 30–34. doi: 10.1109/LSP.2013.2289975

    10. [10]

      AIT-EL-FQUIH B and HOTEIT I. A variational Bayesian multiple particle filtering scheme for large-dimensional systems[J]. IEEE Transactions on Signal Processing, 2016, 64(20): 5409–5422. doi: 10.1109/TSP.2016.2580524

    11. [11]

      GAO Wei, LI Jingchun, ZHOU Guangtao, et al. Adaptive Kalman filtering with recursive noise estimator for integrated SINS/DVL systems[J]. The Journal of Navigation, 2015, 68(1): 142–161. doi: 10.1017/S0373463314000484

    12. [12]

      ZHU Hao, LEUNG H, and HE Zhongshi. State estimation in unknown non-Gaussian measurement noise using variational Bayesian technique[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(4): 2601–2614. doi: 10.1109/TAES.2013.6621839

    13. [13]

      CHEN J and MA L. Particle filtering with correlated measurement and process noise at the same time[J]. IET Radar, Sonar & Navigation, 2011, 5(7): 726–730. doi: 10.1049/iet-rsn.2010.0365

    14. [14]

      SAHA S and GUSTAFSSON F. Particle filtering with dependent noise processes[J]. IEEE Transactions on Signal Processing, 2012, 60(9): 4497–4508. doi: 10.1109/TSP.2012.2202653

    15. [15]

      WANG Zongyuan and ZHOU Weidong. Robust linear filter with parameter estimation under student-t measurement distribution[J]. Circuits, Systems, and Signal Processing, 2019, 38(6): 2445–2470. doi: 10.1007/s00034-018-0972-8

    1. [1]

      陈树新洪磊吴昊刘卓崴岳龙华. 学生 t 混合势均衡多目标多伯努利滤波器. 电子与信息学报, doi: 10.11999/JEIT181121

    2. [2]

      李瑞张群苏令华梁佳罗迎. 基于稀疏贝叶斯学习的双基雷达关联成像. 电子与信息学报, doi: 10.11999/JEIT180933

    3. [3]

      侯志强王帅廖秀峰余旺盛王姣尧陈传华. 基于样本质量估计的空间正则化自适应相关滤波视觉跟踪. 电子与信息学报, doi: 10.11999/JEIT180921

    4. [4]

      陈曦张坤. 一种基于树增强朴素贝叶斯的分类器学习方法. 电子与信息学报, doi: 10.11999/JEIT180886

    5. [5]

      蒋莹王冰切韩俊何翼. 基于分布式压缩感知的宽带欠定信号DOA估计. 电子与信息学报, doi: 10.11999/JEIT180723

    6. [6]

      李海李怡静吴仁彪. 载机偏航下基于广义相邻多波束自适应处理的低空风切变风速估计. 电子与信息学报, doi: 10.11999/JEIT180758

    7. [7]

      杨宏宇王峰岩. 基于深度卷积神经网络的气象雷达噪声图像语义分割方法. 电子与信息学报, doi: 10.11999/JEIT190098

    8. [8]

      钱亚冠卢红波纪守领周武杰吴淑慧云本胜陶祥兴雷景生. 基于粒子群优化的对抗样本生成算法. 电子与信息学报, doi: 10.11999/JEIT180777

    9. [9]

      丛雯珊余岚沃江海. 基于粒子群算法的宽带真延时方向图栅瓣抑制方法. 电子与信息学报, doi: 10.11999/JEIT180719

    10. [10]

      唐伦马润琳杨恒陈前斌. 基于非正交多址接入的网络切片联合用户关联和功率分配算法. 电子与信息学报, doi: 10.11999/JEIT180770

    11. [11]

      柴蓉王令陈明龙陈前斌. 基于时延优化的蜂窝D2D通信联合用户关联及内容部署算法. 电子与信息学报, doi: 10.11999/JEIT180408

    12. [12]

      殷礼胜唐圣期李胜何怡刚. 基于ARIMA和遗传粒子群小波神经网络组合模型的交通流预测. 电子与信息学报, doi: 10.11999/JEIT181073

    13. [13]

      王守华陆明炽孙希延纪元法胡丁梅. 基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法. 电子与信息学报, doi: 10.11999/JEIT180748

    14. [14]

      廖莎莎廖柯廖希刘力. 高形状因子可编程微波光子滤波器集成芯片. 电子与信息学报, doi: 10.11999/JEIT181156

    15. [15]

      王巍周凯利王伊昌王广袁军. 基于快速滤波算法的卷积神经网络加速器设计. 电子与信息学报, doi: 10.11999/JEIT190037

    16. [16]

      张艳陈建华唐猛. 多层中继网络上的分布式LT码. 电子与信息学报, doi: 10.11999/JEIT180804

    17. [17]

      赵辉张静张乐刘莹莉张天骐. 基于非局部低秩和加权全变分的图像压缩感知重构算法. 电子与信息学报, doi: 10.11999/JEIT180828

    18. [18]

      周杨张天骐. 同/异步短码DS-CDMA信号伪码序列及信息序列盲估计. 电子与信息学报, doi: 10.11999/JEIT180812

    19. [19]

      苏楠戴奉周刘宏伟. 基于HRRP序列的钝头倒角锥目标微动特性分析及参数估计. 电子与信息学报, doi: 10.11999/JEIT180520

    20. [20]

      刘伯权郭佳佳罗治民. 声表面波谐振器回波信号的频率估计. 电子与信息学报, doi: 10.11999/JEIT180875

  • 图 1  贝叶斯推断图模型

    图 2  算法噪声均值估计比较图

    图 3  3种算法对应第1种噪声RMSE比较图

    图 5  3种算法对应第3种噪声RMSE比较图

    图 4  3种算法对应第2种噪声RMSE比较图

    图 6  3种算法对第1种关联噪声的ARMSE比较图

    图 8  3种算法对第3种关联噪声的状态ARMSE比较图

    图 7  3种算法对第2种关联噪声的状态ARMSE比较图

    表 1  基于VB带有噪声均值估计的边缘粒子滤波(MPF-VBM)

     算法1 (MPF-VBM)
     从分布${{{N}}}\left( {{{{x}}_0}\left| {{{{m}}_{0\left| 0 \right.}},{{{P}}_{0\left| 0 \right.}}} \right.} \right)$采样粒子${{x}}_0^{\left( i \right)}$$i = 1,2 ·\!·\!· ,N$,并且设置权值$\omega _0^{\left( i \right)} = {1 / N}$;初始化超参数$a_0^{\left( i \right)},\;\;b_0^{\left( i \right)},\;\;c_0^{\left( i \right)},\;\;d_0^{\left( i \right)},\nu _0^{\left( i \right)},{η} _0^{\left( i \right)}$$\beta _0^{\left( i \right)}$;计算初
    始参数${{μ} _0}$${{Λ} _0}$${\nu _0}$期望。对时刻$k = 1,2 ·\!·\!· ,K$
     对每一个粒子$i = 1,2 ·\!·\!· ,N$
     (1) 使用式(26)做噪声参数的时间更新;
     (2) 从状态传递方程$p({{x}}_k^{\left( i \right)}\left| {{{x}}_{k - 1}^{\left( i \right)}} \right.)$做粒子的一步预测;
     (3) 通过新量测${{{z}}_k}$用式(15)更新重要性权值;
     (4) 必要的话,粒子重采样;
     (5) 使用式(13),式(14),式(16),式(17),式(18),式(19),式(23),式(24),并利用重采样粒子做噪声参数后验更新,
    $\Theta _{k\left| k \right.}^{\left( i \right)} = T\left( {\Theta _{k\left| {k - 1} \right.}^{\left( i \right)},x_k^{\left( i \right)},{z_k}} \right)$;其中$T\left( \cdot \right)$代表参数充分统计量;
     得出当前的噪声参数期望值及对应状态值;
     在$k = = K$前,进行下一次循环。
    下载: 导出CSV

    表 2  对应3种噪声的3种算法的均方根误差平均值(ARMSE)

    量测噪声MPF-VBMMPF-VBSMPF-CP
    N(0,1)+20%U(-20,20)野值5.56735.54688.5571
    N(6, 1)无野值4.61708.11418.8132
    N(6,5)+20%U (20, 60)野值6.33538.62888.7588
    运行时间(s)0.010670.0071870.005587
    下载: 导出CSV

    表 3  对应3种噪声的3种算法的均方根误差平均值(ARMSE)

    量测噪声MPF-VBMMPF-VB-COR-1PF-COR
    ${\rm{N}}\left( {0,\;{5 / 2}} \right)$3.86623.40253.1384
    ${\rm{N}}\left( {0,\;R} \right)$ $R$时变5.51784.55365.0392
    ${\rm{N}}\left( {0,\;{5 / 2}} \right)$+20%
    Unif (–5, 5)野值
    8.58928.757411.0393
    下载: 导出CSV
  • 加载中
图(8)表(3)
计量
  • PDF下载量:  6
  • 文章访问数:  147
  • HTML全文浏览量:  55
  • 引证文献数: 0
文章相关
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章