基于智能多模型粒子滤波的运动物体状态估计研究

对于车辆、飞行器和机器人等运动物体的状态估计，一般采用各种传感器采集诸如加速度、角速率、距离、高度等信息，根据物体运动模型、测量模型、传感器误差模型，采用某种滤波方法进行状态估计。因此，运动物体的状态估计效果主要取决于传感器精度、物体的运动模型、测量模型、噪声统计、滤波方法，以及使用环境等因素。在本课题中，根据运动物体存在多种运动状态转换，以及运动物体模型中存在非线性和非高斯的情况，从运动模型、噪声统计和滤波方法三个方面，进行基于多模型智能粒子滤波算法的运动物体状态估计的研究，并采用基于禁忌算法和其它智能算子的融合算法来优化粒子滤波和多模型参数，以及进行不同运动状态下的测量噪声统计的自适应研究。