王宗原，周卫东

(1.哈尔滨工程大学 数学科学学院，哈尔滨 150001; 2.哈尔滨工程大学 智能科学与工程学院，哈尔滨 150001)

0 引言

滤波是基于从初始时间到当前时间的噪声测量对当前状态进行估计的一种方法。已经被广泛应用于许多领域，如目标跟踪、导航、机器人控制和信号处理[1-4]等。粒子滤波是利用加权粒子求和方法进行非线性状态空间模型状态估计的高效方法。但是高维状态如果直接用粒子滤波求解会产生维数灾难，导致粒子滤波崩溃而无法应用[3]。为了提高粒子滤波广泛的实际应用性，目前普遍关注的是从系统模型结构出发探究其是否具有条件线性子结构，从而通过状态降维方法进行状态估计。通过查阅已有文献可知，这一类模型在导航和目标跟踪领域广泛存在。目前估计最有效方法是利用Rao-Blackwellised思想设计的粒子滤波(RBPF)，或称为边缘粒子滤波[5]，它将粒子滤波与线性最优的卡尔曼滤波巧妙融合完成整体状态估计。

边缘粒子滤波由于其更优异的滤波设计方案，一经出现在导航和目标跟踪及动态贝叶斯网络中就取得成功应用，而且为适应不同系统模型及量测出现的各种新问题，近几年来研究人员对RBPF及其不同改进形式进行了广泛研究，例如，文献[6]中提出用递推期望最大化方法开发具有跳跃马尔科夫链和系统结构分解的Rao-Blackwellised粒子滤波算法；同时文献[7]利用Rao-Blackwellised准则结合RBPF平滑解决混合线性状态空间模型具有量测失序的RBPF算法性能下降问题，通过标准常加速模型的仿真结果，表明所提算法精度具有超过RBPF精度10%的性能；……