基于信赖域的序贯拟蒙特卡洛滤波算法

针对系统状态估计、目标跟踪等是包含多源不确定性信息的非线性非高斯随机过程,提出了一种基于信赖域的序贯拟蒙特卡洛(SequentialQuasi-MonteCarlo,SQMC)滤波算法.该算法利用拟蒙特卡洛积分技术优化采样粒子在状态空间的分布特性,降低了滤波过程中的积分误差,提高了状态估计精度;同时,利用信赖域(TrustRegion,TR)方法将采样粒子向高似然区域移动,减少了所需采样粒子的数目,降低了算法复杂度.实验结果表明:该算法有效克服了粒子贫乏和拟蒙特卡洛滤波计算复杂度高的问题,且在非线性系统状态估计精度以及目标跟踪的准确性上要优于粒子滤波和拟蒙特卡洛滤波等现有算法.