基于粒子滤波的混沌系统参数估计和滤波方法

doi:10.3969/j.issn.1000-1093.2012.12.016

兵工学报 ›› 2012, Vol. 33 ›› Issue (12): 1504-1509.doi: 10.3969/j.issn.1000-1093.2012.12.016

基于粒子滤波的混沌系统参数估计和滤波方法

李国辉^1,2，李亚安¹，杨宏^1,2

（1.西北工业大学航海学院, 陕西西安 710072； 2.西安邮电大学电子工程学院, 陕西西安 710121）

收稿日期:2011-12-14 修回日期:2011-12-14 上线日期:2014-01-09
作者简介:李国辉(1978—)，男，副教授
基金资助:
国家自然科学基金项目(51179157)；陕西省教育厅专项科研计划项目(2010JK823、2012JK0493)；西安邮电大学青年教师科研基金（ZL2010-22、ZL2011-07）

A Parameter Estimation and Filtering Method of Chaotic System Based on Particle Filter

LI Guo-hui^1,2, LI Ya-an¹, YANG Hong^1,2

(1.School of Marine Engineering, Northwestern Polytechnical University, Xi’an 710072, Shaanxi, China;2.School of Electronic and Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, Shaanxi, China)

Received:2011-12-14 Revised:2011-12-14 Online:2014-01-09

摘要/Abstract

摘要： 混沌系统的参数估计是混沌系统控制和同步的前提。鉴于混沌系统具有初值敏感性、不能长期预测等特点，提出了一种基于粒子滤波(PF)的混沌系统参数估计和滤波方法，并将其用于Lorenz混沌系统的参数估计和滤波，在叠加噪声情况下对混沌系统进行仿真分析。结果表明，文中提出的滤波方法在估计偏差方面优于基于扩展卡尔曼滤波（EKF）的混沌系统参数估计和滤波方法，对混沌系统的参数估计和滤波是一种有效的方法。

关键词: 自动控制技术, 混沌系统, 粒子滤波, 扩展卡尔曼滤波器, 滤波

Abstract: The parameter estimation of chaotic system is a premise of system control and synchronization. In view of chaotic system's characteristics, such as sensitivity to initial condition, longterm unpredictability and so on, a filter applying to chaotic system was proposed based on chaotic system state space theory and particle filter (PF) theory. In a superimposed noise conditions, the parameter estimation and filtering of Lorenz chaotic system were simulated and analyzed. The simulation results show the proposed filtering algorithm is better than a chaotic system parameter estimation and filtering method based on extended Kalman filter (EKF) in bias estimates, and is an effective method for estimating the parameters of chaotic system and filter.

Key words: automatic control technology, chaotic system, particle filter, extended Kalman filter, filter

中图分类号:

TP391

李国辉, 李亚安, 杨宏. 基于粒子滤波的混沌系统参数估计和滤波方法[J]. 兵工学报, 2012, 33(12): 1504-1509.

LI Guo-hui, LI Ya-an, YANG Hong. A Parameter Estimation and Filtering Method of Chaotic System Based on Particle Filter[J]. Acta Armamentarii, 2012, 33(12): 1504-1509.

参考文献

［1］李丽香, 彭海朋, 杨义先, 等. 基于混沌蚂蚁群算法的Lorenz混沌系统的参数估计［J］. 物理学报, 2007, 56(1): 51-55.
LI Li-xiang, PENG Hai-peng, YANG Yi-xian, et al. Parameter estimation for Lorenz chaotic systems based on chaotic ant swarm algorithm［J］. Acta Physica Sinica, 2007, 56(1): 51-55. (in Chinese)
[2］ He Q, Wang L, Liu B. Parameter estimation for chaos systems by particle swarm optimization［J］. Chaos, Solitons & Fractals, 2007, 34(2): 654-661.
[3］戴栋, 马西奎, 李富才, 等. 一种基于遗传算法的混沌系统参数估计方法［J］. 物理学报, 2002, 51(11): 2459-2464.
DAI Dong, MA Xi-kui, LI Fu-cai, et al. An approach of parameter estimation for a chaotic system based on genetic algorithm［J］. Acta Physica Sinica, 2002, 51(11): 2459-2464. (in Chinese)
[4］高飞, 童恒庆. 基于改进粒子群优化算法的混沌系统参数估计方法［J］. 物理学报, 2006, 55(2): 577-581.
GAO Fei, TONG Heng-qing. Parameter estimation for chaotic system based on particle swarm optimization［J］. Acta Physica Sinica, 2006, 55(2): 577-581. (in Chinese)
[5］王钧炎, 黄德先. 基于混合差分进化算法的混沌系统参数估计［J］. 物理学报, 2008, 57(5): 2755-2799.
WANG Jun-yan, HUANG De-xian. Parameter estimation for chaotic systems based on hybrid differential evolution algorithm［J］. Acta Physica Sinica, 2008, 57(5): 2755-2799. (in Chinese)
[6］张健中, 王庆超. 基于混合遗传粒子群算法的混沌系统参数估计［J］.系统工程与电子技术, 2009, 31(9): 2212-2214.
ZHANG Jian-zhong, WANG Qing-chao. Parameter estimation for chaotic systems based on hybridgenetic particle swarm optimization［J］. Systems Engineering and Electronics, 2009, 31( 9): 2212-2214. (in Chinese)
[7］任子武, 熊蓉. 基于混合量子进化计算的混沌系统参数估计［J］. 控制理论及应用, 2010, 27(11): 1448-1454.
REN Zi-wu, XIONG Rong. Hybrid quantum-inspired evolutionary algorithm-based parameter estimation for chaotic systems［J］. Control Theory & Applications, 2010, 27(11): 1448-1454. (in Chinese)
[8］ Daum F E. Nonlinear filters: beyond the Kalman filter［J］. IEEE AES Systems Magazine, 2005, 20(8): 57-69.
[9］ Li X R, Jilkov V P. A survey of maneuvering target tracking approximation techniques for nonlinear filtering［C］∥
Proceedings of 2004 SPIE Conference on Signal and Data Processing of Small Targets. San Diego: SPIE, 2004, 5428: 537-550.
[10］ Julier S, Uhlmann J K. Unscented filtering and nonlinear estimation［J］. Proceedings of the IEEE, 2004, 92(3): 401-422.
[11］ Zhu J H, Zheng N N, Yuan Z J, et al. A SLAM algorithm based on the central difference Kalman filter［C］∥Intelligent Vehicles Symposium IEEE. Xi'an: IEEE, 2009: 123-128.
[12］ Arulampalam M S, Maskell S, Gordon N, et al. A tutorial on particle filters for online nonlinear/non-gaussian Bayesian tracking［J］. IEEE Transaction on Signal Processing, 2002, 50(2): 174-188.

[1]	刘望生, 潘海鹏, 王明环. 多特征下室内声源定位的复合模型粒子滤波[J]. 兵工学报, 2024, 45(3): 975-985.
[2]	张伽伟，喻鹏，姜润翔, 孙宝全. 基于舰船电场的目标跟踪方法研究[J]. 兵工学报, 2020, 41(3): 559-566.
[3]	郭永红，宋彪，赵东阳，李旭光，南怀良. 基于极限学习机模型的粒子滤波无设备定位方法研究[J]. 兵工学报, 2019, 40(8): 1740-1746.
[4]	闫理跃, 王厚军, 刘震. 一种结合噪声辅助技术和现场数据的模拟电路实时可靠度预测方法[J]. 兵工学报, 2019, 40(2): 326-333.
[5]	朱甦，薄煜明，何亮. 基于冗余字典的多特征压缩感知目标跟踪算法[J]. 兵工学报, 2017, 38(6): 1140-1146.
[6]	王洁, 熊智, 邢丽, 戴怡洁, 华冰, 刘建业. 基于新息自适应滤波的惯性测量单元误差在线标定方法研究[J]. 兵工学报, 2016, 37(7): 1203-1213.
[7]	朱明强，侯建军，刘颖，李旭，田洪娟. 适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法[J]. 兵工学报, 2015, 36(7): 1266-1272.
[8]	杨宏，李亚安，李国辉. 基于辅助模型粒子滤波的混沌信号降噪方法[J]. 兵工学报, 2015, 36(12): 2330-2335.
[9]	王宏健，徐金龙，李娟，张爱华. 非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究[J]. 兵工学报, 2014, 35(7): 1032-1039.
[10]	郭鹏，白亮，武梦洁，蒋宏. 基于空气动力学模型含雷达散射截面观测的联合目标跟踪识别[J]. 兵工学报, 2014, 35(3): 318-325.
[11]	徐博，肖永平，高伟，刘亚龙，杨建. 主从式无人水面艇协同定位滤波方法与实验验证[J]. 兵工学报, 2014, 35(11): 1836-1845.
[12]	项宇，马晓军，刘春光，可荣硕，赵梓旭. 基于改进的粒子群优化扩展卡尔曼滤波算法的锂电池模型参数辨识与荷电状态估计[J]. 兵工学报, 2014, 35(10): 1659-1666.
[13]	付巍，郑宾. 基于模糊控制交互式多模型粒子滤波的静电机动目标跟踪[J]. 兵工学报, 2014, 35(1): 42-48.
[14]	齐晓慧, 李杰, 韩帅涛. 基于BP 神经网络的自适应自抗扰控制及仿真[J]. 兵工学报, 2013, 34(6): 776-782.
[15]	刘立栋, 张宇文. 基于浮力补偿的水下无人平台低速状态最优控制研究[J]. 兵工学报, 2013, 34(5): 644-648.

基于粒子滤波的混沌系统参数估计和滤波方法

A Parameter Estimation and Filtering Method of Chaotic System Based on Particle Filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价