控制理论与应用

作者：张新雨,任梦姣,弋英民,张子悦,武舒月

单位：西安理工大学 陕西省复杂系统控制与智能信息处理重点实验室,西安理工大学 陕西省复杂系统控制与智能信息处理重点实验室,西安理工大学 陕西省复杂系统控制与智能信息处理重点实验室,西安理工大学 陕西省复杂系统控制与智能信息处理重点实验室,西安理工大学 陕西省复杂系统控制与智能信息处理重点实验室

关键词：信息论与信号处理; 状态估计; 粒子滤波; M-H重采样; 高斯变异; 自适应方差

基金：国家自然科学基金项目(62003261, 62273273, 62073258), 陕西省科技创新团队项目(2023―CX―TD―01)资助.

粒子滤波对非线性非高斯系统具有较好的估计性能, 但引入重采样技术后, 粒子多样性匮乏一直是影响粒子滤波估计精度的关键问题. 为此, 本文提出一种混合自适应重采样的智能粒子滤波方法, 该方法首先在混合自适应Metropolis-Hastings(M-H)重采样基础上设计了高斯变异的自适应协方差矩阵计算函数; 其次, 提出了采用“优胜劣汰”模式的接受拒绝准则函数; 最后, 对有效粒子集合进行实时更新, 改善了粒子集合的粒子质量并提高了粒子滤波的精度. 利用两个一维非线性模型和一个高维非线性模型进行仿真, 以验证本文方法的有效性. 实验结果表明,与现有重采样方法相比, 本文方法能够有效地改善重采样后的粒子质量, 提高粒子滤波的估计精度.

来源：2026年第2期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第2期