专利名称：自适应重采样粒子滤波算法的利记博彩app
技术领域：
本发明涉及的是一种信号处理的方法。
背景技术：
粒子滤波是基于贝叶斯理论的蒙特卡罗方法。其主要思想是采用一组带有权值的采样粒子来近似后验概率分布，根据采样值和权值大小进行状态估计。粒子滤波对状态变量没有任何限制，使用非常灵活，被广泛应用于各个工程领域。在实时应用中，粒子滤波一个最大的问题就是计算量大。目前对粒子滤波算法的改进方向主要是提高精度，但同时也增加了计算量。为了减少计算量只能采取减少粒子数的方法，但这种做法是以降低估计精度为代价的，现有改进算法不能满足降低计算量的同时提高估计精度。
发明内容
本发明的目的在于提供能降低计算量、提高估计精度的自适应重采样粒子滤波算法。本发明的目的是这样实现的本发明自适应重采样粒子滤波算法，其特征是(1)写出待估计变量的状态方程和观测方程，从建议分布中采样产生初始粒子和相应权值采用一阶AR模型模拟瑞利衰落信道，状态方程为Hk = aHH+Vn，观测方程为Yk = XkHk+Wk，其中Hk为k时刻信道状态值，a = J0 (2 π fdTs)，J0 ()为第一类零阶Bessel函数，fdTs 为归一化多普勒频移，Vlri为状态噪声、满足复高斯分布，Yk为观测值，&为已知发送符号信息，Wk为高斯观测噪声；粒子总数为N，k-Ι时刻N个粒子为i = 1，2，…，N，每个粒子对应的权值为 Ot1, i = 1，2，…，N，令付^满足均值为0方差为1的高斯分布、权值均等，满足=1/1, i
=1,2,…，N，从建议分布尸)采样得到k时刻的N个初始粒子，即将好丨—jf入状态
方程，得到j^i = 1,2,…，N，根据观测方程，k时刻权值为4甩)；(2)估计实际输入信噪比，通过引入用来分辨粒子大小的参数THdn确定粒子保留或舍弃的参数 2实现重采样过程TH1 和 TH2 取值范围为TH1 e (OjI)TH2 e (0,1),参数TH1和 2实现重采样过程的具体步骤为①根据步骤⑴中k时刻粒子的权值，首先分别计算每个粒子权值ω丨与TH1ZiN的比值，即代=J^其中L」表示向下取整；通过比较氏来分辨粒子权值的大小，TH1取值越小，分辨精度越高；
②估计信噪比SNR，根据下式计算TH2取值 '0.1SNR < OdB
权利要求
1.自适应重采样粒子滤波算法，其特征是(1)写出待估计变量的状态方程和观测方程，从建议分布中采样产生初始粒子和相应权值
全文摘要
本发明的目的在于提供自适应重采样粒子滤波算法，包括以下步骤写出待估计变量的状态方程和观测方程，从建议分布中采样产生初始粒子和相应权值，估计实际输入信噪比，通过引入用来分辨粒子大小的参数和确定粒子保留或舍弃的参数实现重采样过程，采样后根据新粒子和权值计算状态估计值。本发明既能降低计算量，又能提高估计精度，适用于任何非线性非高斯系统。
文档编号G06F17/00GK102339270SQ20111016608
公开日2012年2月1日 申请日期2011年6月20日 优先权日2011年6月20日
发明者付进, 梁国龙, 韩雅菲 申请人:哈尔滨工程大学