第27卷第8期 农业工程学报 Vol.27 No.8 2011年 8月 Transactions of the CSAE Aug.2011227 基于改进粒子滤波的农用车辆导航定位方法 籍颖'，张漫2，刘刚2*，刘兆祥2 (1.河北农业大学信息科学与技术学院，保定071000： 2.中国农业大学现代精细农业系统集成教育部重点实验室，北京100083) 摘要：针对农业机械导航系统中常用的Kalman滤波对多传感器数据进行融合的算法不适用于非线性农用车辆导航系统的 问题，该文采用粒子滤波方法进行数据融合，以获得准确的导航定位信息；该算法增加抗野值步骤，有效削弱G$跳变引 起的误差：通过对重要密度函数进行改进，引入无迹卡尔曼滤波方法(UKF),并采用不同重采样方法，有效抑制了粒子退 化：增加MCMC步骤，减少了样本枯竭现象。仿真结果表明，改进后粒子滤波方法，可有效提高精度，减小导航误差，可 满足农用车辆与作业机械的导航要求。 关键词：农业机械，导航，非线性模型，粒子滤波，重采样，MCMC doi:10.3969j.issn.1002-6819.2011.08.039 中图分类号：S220.1 文献标志码：A 文章编号：1002-68192011)08-0227-05 籍颖，张漫，刘刚，等.基于改进粒子滤波的农用车辆导航定位方法[】.农业工程学报，2011,27(8)：227 -231. Ji Ying.Zhang Man,Liu Gang,et al.Positioning method of vehicle navigation system based on improved particle filter[J]. Transactions of the CSAE,2011,27(8):227-231.(in Chinese with English abstract) 0引言 1粒子滤波 农业机械自动导航系统需要对多传感器进行信息融1.1标准粒子滤波算法 合，常用的方法是卡尔曼(Kalman)滤波方法，但实际 粒子滤波最先由Gordon提出)，基于蒙特卡洛方法 应用中，系统很难保证是线性系统和高斯噪声，因此适 和递推贝叶斯估计的滤波方法，其核心是用一些随机采 合非线性系统非高斯噪声的粒子滤波成为人们的研究重 样点对后验概率密度函数进行近似，以样本均值代替积 点。粒子滤波(particle filter,PF)是一种非线性滤波方 分计算，从而获得状态最小方差估计俐。粒子滤波是一种 法，理论上适用于任何能用状态空间模型表示的非线性 通过蒙特卡洛方法随机抽取一组带有权值的粒子来逼近 系统)。粒子滤波将贝叶斯(Bayes)理论与蒙特卡洛 后验概率密度分布，并序贯预测与更新状态。 系统模型为： (Monte Carlo)随机采样方法相结合，其突出特点是不受 k+H=fk,西) (1) 线性系统和高斯噪声的假设限制四。 zk=h() (2) 粒子滤波过程中，粒子退化问题是不可避免的。通 式中，+1表示系统状态向量表示系统量测向量：)， 常有2种方法抑制粒子退化，一是选择好的重要密度函 ()表示非线性函数，⑦，心为过程噪声和测量噪声，其 数：二是重采样方法。本研究从这两方面出发，将无迹 协方差分别为O:和R。 卡尔曼滤波引入重要密度函数，将当前观测信息融入重 要性采样过程：对4种常用的重采样方法进行比较，找 用x=k,城表示系统后验概率密度函数 到适合系统模型的重采样算法：通过加入抗野值步骤， pxox|t)的粒子集合， 可有效抑制GPS跳变引起的误差。该方法较传统方法能 其中{xt,i=1,2…N为样本集合，{M,i=1,2…N表 有效提高导航定位精度。 示相应的权值，即∑M=1,N为粒子数。 根据蒙特卡洛原理，后验概率密度可近似为 收稿日期：2010-12-01修订日期：2011-01-19 基金项目：国家自然科学基金(30900869)，回家自然科学基金(31071333)， p(ror I y)wiolror) (3) 河北农业大学非生命学科与新兴学科科研发展基金(FS2010057) i=l 作者简介：籍颗(1977一)，女，河北人，在职博士研究生，主要从事融 合算法，评价算法的研究。保定河北农业大学信息科学与技术学院， 式中，x4是k时刻从重要分布函数q(XkY)上随机抽取 071000.Email:hdjiying@163.com ※通信作者：刘刚(1966一)男，河北人，教投，博士生导师，主要从事 的第i个粒子，为归一化粒子重要性权值，)是狄拉 农业电气化与自动化方面的研究。北京中国农业大学现代精细农业系统集 克函数。假设状态符合马尔科夫过程，在给定状态下， 成教育部重点实验室，100083。Emai止：pac@cau.ed血.cm 万方数据基于改进粒子滤波的农用车辆导航定位方法 籍 颖 1张 漫 2刘刚2※ 刘兆祥2 1.河北农业大学信息科学与技术学院，保定071000； 2.中国农业大学现代精细农业系统集成教育部重点实验室，北京100083 摘要：针对农业机械导航系统中常用的Kalman滤波对多传感器数据进行融合的算法不适用于非线性农用车辆导航系统的 问题，该文采用粒子滤波方法进行数据融合，以获得准确的导航定位信息：该算法增加抗野值步骤，有效削弱GPS跳变引 起的误差；通过对重要密度函数进行改进，引入无迹卡尔曼滤波方法(UKF)，并采用不同重采样方法，有效抑制了粒子退 化；增加MCMC步骤，减少了样本枯竭现象。仿真结果表明，改进后粒子滤波方法，可有效提高精度，减小导航误差，可 满足农用车辆与作业机械的导航要求。 农业机械;导航;非线性模型;粒子滤波;重采样;MCMC 10.3969/j.issn.1002-6819.2011.08.039 S220.1 A 1002-6819(2011)-08-0227-05 2010-12-01 2011-01-19 基金项目：国家自然科学基金(30900869),国家自然科学基金(31071333)， 河北农业大学非生命学科与新兴学科科研发展基金(FS2010057) 作者简介：籍颖(1977-),女，河北人，在职博士研究生，主要从事融 合算法，评价算法的研究。保定 河北农业大学信息科学与技术学院， 071000。 Email:hdjiying@163.com ※通信作者：刘刚(1966-)男，河北人，教授，博士生导师，主要从事 农业电气化与自动化方面的研究。北京中国农业大学现代精细农业系统集 成教育部重点实验室,100083。Email:pac@cau.edu.cn 万方数据