在列車組合定位系統(tǒng)基于奇異值分解的粒子濾波算法研究
2014-06-26 15:49:12魯志剛王更生
新媒體研究 2014年10期
魯志剛+王更生
摘 要 粒子退化是粒子濾波算法存在的主要問題之一，針對該問題，提出了一種基于奇異值分解的粒子濾波算法。測試表明，所提算法能夠提供更高地定位精度。
關(guān)鍵詞 粒子濾波；奇異值分集；組合定位
中圖分類號：U284 文獻標識碼：A 文章編號：1671-7597（2014）10-0054-02
在列車定位系統(tǒng)中，提高定位精度的方法有兩種：一種是提升傳感器的精度，另一種是多種定位方式相融合的組合式定位。在第二種方法中，通過對現(xiàn)有的多個單一定位系統(tǒng)中的傳感器所提供的信息進行融合，從而實現(xiàn)了定位精確地提升。組合定位系統(tǒng)一般采用擴展卡爾曼（Extended KF，簡稱EKF）濾波算法[1]，該算法雖然實現(xiàn)簡單，但是難以適用于高維且非線性很大的復雜系統(tǒng)模型。因此，針對非線性系統(tǒng)的粒子（Partile Filter，簡稱PF）濾波算法得到了越來越多的關(guān)注[2]。
PF濾波算法使用非參數(shù)化的隨機模擬辦法來遞推貝葉斯濾波，而PF算法的濾波器的精度取決于目標概率函數(shù)與重要性函數(shù)是否相近。并且粒子退化問題也影響了PF算法的性能。針對這一問題，文獻[3]一種改進的PF（Improved PF，簡稱IPF）算法，該算法通過對重要性分布函數(shù)進行調(diào)整來抑制退化現(xiàn)象，但是IPF算法還會遇到協(xié)方差矩陣病態(tài)條件的困擾。而奇異值分解（Singular Value Decomposition，簡稱SVD）是能夠有效地解決上述問題。因此，本文提出了一種基于奇異值分解的粒子濾波（SVD-based PF，簡稱SVD-PF）算法。仿真表明同PF算法相比較，SVD-PF算法穩(wěn)定性更好，定位精度更高。
1 基于奇異值分解的粒子濾波算法
SVD-PF的算法步驟為：
1）從先驗密度中采用粒子，假設粒子初始權(quán)值為，。
2）使用IPF算法計算粒子集的均值、方差。
①初始化（）
（1）
令，，，其中，為系統(tǒng)噪聲方差，為測量噪聲方差。
②當
a.奇異值分解和特征點矩陣的計算
特征點矩陣
（） （2）
其中，是合成比例參數(shù)，，決定周圍特征點的擴散，為狀態(tài)向量的維度，為二級尺度參數(shù)，為的第列，為的第個對角元素，。
奇異值分解：
（、正交，對角矩陣） （3）
b.更新時間
， （4）
其中，為系統(tǒng)輸入，，，。
（5）
其中，，為關(guān)于的先驗知識，，。
， （6）
c.更新量測
（7）
其中，，，。
3）從重要性分布函數(shù)采樣粒子，。
4）利用公式求粒子權(quán)值。
5）對粒子權(quán)值進行歸一化，。
6）對粒子樣本集采樣。
7）狀態(tài)更新，。
2 列車組合定位系統(tǒng)的數(shù)學模型
組合定位系統(tǒng)由與北斗組成。該系統(tǒng)的狀態(tài)向量采用北斗與慣性導航所輸出的導航誤差，并使用間接法濾波來進行處理。同時，北斗的偽距誤差只作為量測噪聲來對待。
2.1 系統(tǒng)狀態(tài)方程
狀態(tài)向量：
（8）
其中，是速度誤差，是位置誤差，是四元數(shù)誤差，為陀螺常值漂移，為加速度計零偏。
（9）
其中，是狀態(tài)轉(zhuǎn)移模型，是噪聲系數(shù)陣，是系統(tǒng)噪聲陣。
2.2 量測方程
北斗接收機的偽距可寫成：
（10）
其中，為接收機到衛(wèi)星的距離，是鐘差等效距離，是非鐘差測距誤差，為接收機所收到的白噪聲。
（11）
利用公式（11）來消除鐘以及，從而得到公式（12）：
（12）
其中，為輸出的坐標， 為第顆北斗衛(wèi)星的坐標。根據(jù)公式（12）可以得到/北斗組合定位系統(tǒng)的量測方程：
（13）
其中，為非線性函數(shù)，是量測噪聲。
3 仿真分析
為了驗證SVD-PF算法的性能，本文進行了如下仿真，仿真參數(shù)設置參照文獻[3]。
圖1 PE與SVD-PE定位誤差比較
圖1給出了PE算法與SVD-PF算法在東向位置的誤差。從圖1中可以看出，SVD-PF算法的定位誤差要明顯小于PF算法的。并且表1給出了兩種算法定位誤差的定量分析。從表1中可以看出，SVD-PF算法的誤差最大值、均值與方差都小于PF算法的。
表1 東向位置誤差（單位：米）
名稱 誤差最大值 均值 方差
PF 19.73 3.25 41.12
SVD-PF 16.812 2.67 36.65
4 結(jié)論
本文提出了一種基于奇異值分解的粒子濾波算法SVD-PF，并將其應用于列車組合定位系統(tǒng)中，仿真表明，SVD-PF算法能夠顯著地提高定位精度。
參考文獻
[1]秦永元，汪叔華.卡爾曼濾波與組合導航原理[M].西安：西北工業(yè)大學出版社，1998.
[2]Meropolis N， Rosenbluth A W. Equation of state calculations by fast computing machines. Journal of Chemical Physics， 1953，21（6）：1087-1092.
[3]趙梅，張三通，朱剛.改進粒子濾波算法在組合導航中的應用[N].中國公路學報，2007，20（2）：108-112.
作者簡介
魯志剛（1988-），男，漢族，江西撫州人，碩士生，華東交通大學信息工程學院，研究方向計算機應用技術(shù)。
王更生（導師）（1964-），男，漢族，湖南邵東人，教授，碩士，華東交通大學信息工程學院，主要研究領(lǐng)域為計算機應用，全球衛(wèi)星定位系統(tǒng)，數(shù)據(jù)挖掘。endprint
摘 要 粒子退化是粒子濾波算法存在的主要問題之一，針對該問題，提出了一種基于奇異值分解的粒子濾波算法。測試表明，所提算法能夠提供更高地定位精度。
關(guān)鍵詞 粒子濾波；奇異值分集；組合定位
中圖分類號：U284 文獻標識碼：A 文章編號：1671-7597（2014）10-0054-02
在列車定位系統(tǒng)中，提高定位精度的方法有兩種：一種是提升傳感器的精度，另一種是多種定位方式相融合的組合式定位。在第二種方法中，通過對現(xiàn)有的多個單一定位系統(tǒng)中的傳感器所提供的信息進行融合，從而實現(xiàn)了定位精確地提升。組合定位系統(tǒng)一般采用擴展卡爾曼（Extended KF，簡稱EKF）濾波算法[1]，該算法雖然實現(xiàn)簡單，但是難以適用于高維且非線性很大的復雜系統(tǒng)模型。因此，針對非線性系統(tǒng)的粒子（Partile Filter，簡稱PF）濾波算法得到了越來越多的關(guān)注[2]。
PF濾波算法使用非參數(shù)化的隨機模擬辦法來遞推貝葉斯濾波，而PF算法的濾波器的精度取決于目標概率函數(shù)與重要性函數(shù)是否相近。并且粒子退化問題也影響了PF算法的性能。針對這一問題，文獻[3]一種改進的PF（Improved PF，簡稱IPF）算法，該算法通過對重要性分布函數(shù)進行調(diào)整來抑制退化現(xiàn)象，但是IPF算法還會遇到協(xié)方差矩陣病態(tài)條件的困擾。而奇異值分解（Singular Value Decomposition，簡稱SVD）是能夠有效地解決上述問題。因此，本文提出了一種基于奇異值分解的粒子濾波（SVD-based PF，簡稱SVD-PF）算法。仿真表明同PF算法相比較，SVD-PF算法穩(wěn)定性更好，定位精度更高。
1 基于奇異值分解的粒子濾波算法
SVD-PF的算法步驟為：
1）從先驗密度中采用粒子，假設粒子初始權(quán)值為，。
2）使用IPF算法計算粒子集的均值、方差。
①初始化（）
（1）
令，，，其中，為系統(tǒng)噪聲方差，為測量噪聲方差。
②當
a.奇異值分解和特征點矩陣的計算
特征點矩陣
（） （2）
其中，是合成比例參數(shù)，，決定周圍特征點的擴散，為狀態(tài)向量的維度，為二級尺度參數(shù)，為的第列，為的第個對角元素，。
奇異值分解：
（、正交，對角矩陣） （3）
b.更新時間
， （4）
其中，為系統(tǒng)輸入，，，。
（5）
其中，，為關(guān)于的先驗知識，，。
， （6）
c.更新量測
（7）
其中，，，。
3）從重要性分布函數(shù)采樣粒子，。
4）利用公式求粒子權(quán)值。
5）對粒子權(quán)值進行歸一化，。
6）對粒子樣本集采樣。
7）狀態(tài)更新，。
2 列車組合定位系統(tǒng)的數(shù)學模型
組合定位系統(tǒng)由與北斗組成。該系統(tǒng)的狀態(tài)向量采用北斗與慣性導航所輸出的導航誤差，并使用間接法濾波來進行處理。同時，北斗的偽距誤差只作為量測噪聲來對待。
2.1 系統(tǒng)狀態(tài)方程
狀態(tài)向量：
（8）
其中，是速度誤差，是位置誤差，是四元數(shù)誤差，為陀螺常值漂移，為加速度計零偏。
（9）
其中，是狀態(tài)轉(zhuǎn)移模型，是噪聲系數(shù)陣，是系統(tǒng)噪聲陣。
2.2 量測方程
北斗接收機的偽距可寫成：
（10）
其中，為接收機到衛(wèi)星的距離，是鐘差等效距離，是非鐘差測距誤差，為接收機所收到的白噪聲。
（11）
利用公式（11）來消除鐘以及，從而得到公式（12）：
（12）
其中，為輸出的坐標， 為第顆北斗衛(wèi)星的坐標。根據(jù)公式（12）可以得到/北斗組合定位系統(tǒng)的量測方程：
（13）
其中，為非線性函數(shù)，是量測噪聲。
3 仿真分析
為了驗證SVD-PF算法的性能，本文進行了如下仿真，仿真參數(shù)設置參照文獻[3]。
圖1 PE與SVD-PE定位誤差比較
圖1給出了PE算法與SVD-PF算法在東向位置的誤差。從圖1中可以看出，SVD-PF算法的定位誤差要明顯小于PF算法的。并且表1給出了兩種算法定位誤差的定量分析。從表1中可以看出，SVD-PF算法的誤差最大值、均值與方差都小于PF算法的。
表1 東向位置誤差（單位：米）
名稱 誤差最大值 均值 方差
PF 19.73 3.25 41.12
SVD-PF 16.812 2.67 36.65
4 結(jié)論
本文提出了一種基于奇異值分解的粒子濾波算法SVD-PF，并將其應用于列車組合定位系統(tǒng)中，仿真表明，SVD-PF算法能夠顯著地提高定位精度。
參考文獻
[1]秦永元，汪叔華.卡爾曼濾波與組合導航原理[M].西安：西北工業(yè)大學出版社，1998.
[2]Meropolis N， Rosenbluth A W. Equation of state calculations by fast computing machines. Journal of Chemical Physics， 1953，21（6）：1087-1092.
[3]趙梅，張三通，朱剛.改進粒子濾波算法在組合導航中的應用[N].中國公路學報，2007，20（2）：108-112.
作者簡介
魯志剛（1988-），男，漢族，江西撫州人，碩士生，華東交通大學信息工程學院，研究方向計算機應用技術(shù)。
王更生（導師）（1964-），男，漢族，湖南邵東人，教授，碩士，華東交通大學信息工程學院，主要研究領(lǐng)域為計算機應用，全球衛(wèi)星定位系統(tǒng)，數(shù)據(jù)挖掘。endprint
摘 要 粒子退化是粒子濾波算法存在的主要問題之一，針對該問題，提出了一種基于奇異值分解的粒子濾波算法。測試表明，所提算法能夠提供更高地定位精度。
關(guān)鍵詞 粒子濾波；奇異值分集；組合定位
中圖分類號：U284 文獻標識碼：A 文章編號：1671-7597（2014）10-0054-02
在列車定位系統(tǒng)中，提高定位精度的方法有兩種：一種是提升傳感器的精度，另一種是多種定位方式相融合的組合式定位。在第二種方法中，通過對現(xiàn)有的多個單一定位系統(tǒng)中的傳感器所提供的信息進行融合，從而實現(xiàn)了定位精確地提升。組合定位系統(tǒng)一般采用擴展卡爾曼（Extended KF，簡稱EKF）濾波算法[1]，該算法雖然實現(xiàn)簡單，但是難以適用于高維且非線性很大的復雜系統(tǒng)模型。因此，針對非線性系統(tǒng)的粒子（Partile Filter，簡稱PF）濾波算法得到了越來越多的關(guān)注[2]。
PF濾波算法使用非參數(shù)化的隨機模擬辦法來遞推貝葉斯濾波，而PF算法的濾波器的精度取決于目標概率函數(shù)與重要性函數(shù)是否相近。并且粒子退化問題也影響了PF算法的性能。針對這一問題，文獻[3]一種改進的PF（Improved PF，簡稱IPF）算法，該算法通過對重要性分布函數(shù)進行調(diào)整來抑制退化現(xiàn)象，但是IPF算法還會遇到協(xié)方差矩陣病態(tài)條件的困擾。而奇異值分解（Singular Value Decomposition，簡稱SVD）是能夠有效地解決上述問題。因此，本文提出了一種基于奇異值分解的粒子濾波（SVD-based PF，簡稱SVD-PF）算法。仿真表明同PF算法相比較，SVD-PF算法穩(wěn)定性更好，定位精度更高。
1 基于奇異值分解的粒子濾波算法
SVD-PF的算法步驟為：
1）從先驗密度中采用粒子，假設粒子初始權(quán)值為，。
2）使用IPF算法計算粒子集的均值、方差。
①初始化（）
（1）
令，，，其中，為系統(tǒng)噪聲方差，為測量噪聲方差。
②當
a.奇異值分解和特征點矩陣的計算
特征點矩陣
（） （2）
其中，是合成比例參數(shù)，，決定周圍特征點的擴散，為狀態(tài)向量的維度，為二級尺度參數(shù)，為的第列，為的第個對角元素，。
奇異值分解：
（、正交，對角矩陣） （3）
b.更新時間
， （4）
其中，為系統(tǒng)輸入，，，。
（5）
其中，，為關(guān)于的先驗知識，，。
， （6）
c.更新量測
（7）
其中，，，。
3）從重要性分布函數(shù)采樣粒子，。
4）利用公式求粒子權(quán)值。
5）對粒子權(quán)值進行歸一化，。
6）對粒子樣本集采樣。
7）狀態(tài)更新，。
2 列車組合定位系統(tǒng)的數(shù)學模型
組合定位系統(tǒng)由與北斗組成。該系統(tǒng)的狀態(tài)向量采用北斗與慣性導航所輸出的導航誤差，并使用間接法濾波來進行處理。同時，北斗的偽距誤差只作為量測噪聲來對待。
2.1 系統(tǒng)狀態(tài)方程
狀態(tài)向量：
（8）
其中，是速度誤差，是位置誤差，是四元數(shù)誤差，為陀螺常值漂移，為加速度計零偏。
（9）
其中，是狀態(tài)轉(zhuǎn)移模型，是噪聲系數(shù)陣，是系統(tǒng)噪聲陣。
2.2 量測方程
北斗接收機的偽距可寫成：
（10）
其中，為接收機到衛(wèi)星的距離，是鐘差等效距離，是非鐘差測距誤差，為接收機所收到的白噪聲。
（11）
利用公式（11）來消除鐘以及，從而得到公式（12）：
（12）
其中，為輸出的坐標， 為第顆北斗衛(wèi)星的坐標。根據(jù)公式（12）可以得到/北斗組合定位系統(tǒng)的量測方程：
（13）
其中，為非線性函數(shù)，是量測噪聲。
3 仿真分析
為了驗證SVD-PF算法的性能，本文進行了如下仿真，仿真參數(shù)設置參照文獻[3]。
圖1 PE與SVD-PE定位誤差比較
圖1給出了PE算法與SVD-PF算法在東向位置的誤差。從圖1中可以看出，SVD-PF算法的定位誤差要明顯小于PF算法的。并且表1給出了兩種算法定位誤差的定量分析。從表1中可以看出，SVD-PF算法的誤差最大值、均值與方差都小于PF算法的。
表1 東向位置誤差（單位：米）
名稱 誤差最大值 均值 方差
PF 19.73 3.25 41.12
SVD-PF 16.812 2.67 36.65
4 結(jié)論
本文提出了一種基于奇異值分解的粒子濾波算法SVD-PF，并將其應用于列車組合定位系統(tǒng)中，仿真表明，SVD-PF算法能夠顯著地提高定位精度。
參考文獻
[1]秦永元，汪叔華.卡爾曼濾波與組合導航原理[M].西安：西北工業(yè)大學出版社，1998.
[2]Meropolis N， Rosenbluth A W. Equation of state calculations by fast computing machines. Journal of Chemical Physics， 1953，21（6）：1087-1092.
[3]趙梅，張三通，朱剛.改進粒子濾波算法在組合導航中的應用[N].中國公路學報，2007，20（2）：108-112.
作者簡介
魯志剛（1988-），男，漢族，江西撫州人，碩士生，華東交通大學信息工程學院，研究方向計算機應用技術(shù)。
王更生（導師）（1964-），男，漢族，湖南邵東人，教授，碩士，華東交通大學信息工程學院，主要研究領(lǐng)域為計算機應用，全球衛(wèi)星定位系統(tǒng)，數(shù)據(jù)挖掘。endprint
