专利名称：扩展的切片高斯混合滤波器的制作方法
技术领域：
本发明涉及一种数字滤波器，特别是涉及一种切片高斯混合滤波器。
背景技术：
数字滤波器通过对数字信 号的运算处理，改变信号频谱，完成滤波作用的算法或装置。数字滤波器是一个离散时间系统，可用计算机软件实现。数字滤波器具有高精度、高可靠性、可程控改变特性或复用、便于集成等优点。数字滤波器在语言信号处理、图像信号处理、医学生物信号处理以及其他应用领域都得到了广泛应用。在噪声环境下，通常需要对系统进行去噪，常用的去噪方法为滤波方法。卡尔曼滤波器对线性高斯系统具有最优的滤波性能，不过卡尔曼滤波器在非高斯噪声环境下性能明显降低。粒子滤波器适用于非线性非高斯系统，但粒子滤波器在滤波过程中根据重要性密度函数获得样本，样本是粒子进化的基础。然而，我们并不能得到最优的重要性密度函数，而且所需的粒子数目也只能通过仿真的方法得到。已有的切片高斯混合粒子滤波器针对混合的线性/非线性系统，将系统的状态估计问题转化为条件线性空间模型的状态估计问题。然而切片高斯混合滤波器只适用于高斯噪声，对于非高斯噪声环境下混合线性/非线性系统的状态估计问题并未解决。
发明内容
本发明的目的是为了解决非高斯噪声环境下混合线性/非线性系统的状态估计问题，将非高斯噪声环境下的状态器用并行的切片高斯混合滤波器来实现，实现了一种扩展的切片高斯混合滤波器。为了解决上述技术问题，本发明采用的技术方案是扩展的切片高斯混合滤波器，包括高斯近似模块、预测模块、高斯混合约简模块、切片高斯混合近似模块、滤波模块，高斯近似模块的输出为预测模块的输入，预测模块的输出作为高斯混合约简模块的输入，高斯混合约简模块的输出为滤波模块的输入，滤波输出结果反馈给预测模块；其中高斯近似模块用于对接收到的非高斯噪声的概率密度函数进行高斯混合近似；预测模块对含有高斯混合噪声的输入信号的状态进行预测，预测后状态的概率密度函数为高斯混合的形式；高斯混合约简模块对预测后的状态概率密度函数进行约简；切片高斯混合近似模块将约简后的状态概率密度函数近似为切片高斯混合的形式；滤波模块对输入信号的状态进行更新。高斯混合约简模块保留预测概率密度函数中权值较大的高斯个体，并对个体按权值进行重采样，重采样只对权值小于给定的权值阈值的个体有效。与现有技术相比，本发明的优点是I)本发明通过数字信号处理来实现扩展的切片高斯混合滤波器，具有计算速度快、易于算法移植的特点。2)本发明通过扩展切片高斯混合滤波器实现了非高斯噪声下的状态估计，从而克服了非高斯噪声对状态估计精度的影响，提高了非高斯噪声环境下状态估计的性能。3)本发明中的高斯混合约简模块利用重采样保持高斯个体的数目稳定，降低了贝叶斯推理的复杂度。
图I为扩展切片高斯混合滤波器实现流程图；图2为高斯混合约简算法流程图。
具体实施例方式下面结合附图对本发明作进一步详细说明。
所考虑的混合线性/非线性系统为
权利要求
1.扩展的切片高斯混合滤波器，其特征在于，包括高斯近似模块、预测模块、高斯混合约简模块、切片高斯混合近似模块、滤波模块，高斯近似模块的输出为预测模块的输入，预测模块的输出作为高斯混合约简模块的输入，高斯混合约简模块的输出为滤波模块的输入，滤波输出结果反馈给预测模块；其中高斯近似模块用于对接收到的非高斯噪声的概率密度函数进行高斯混合近似；预测模块对含有高斯混合噪声的输入信号的状态进行预测，预测后状态的概率密度函数为高斯混合的形式；高斯混合约简模块对预测后的状态概率密度函数进行约简；切片高斯混合近似模块将约简后的状态概率密度函数近似为切片高斯混合的形式；滤波模块对输入信号的状态进行更新。
2.如权利要求I所述的扩展的切片高斯混合滤波器，其特征在于，所述的高斯混合约简模块约简时只保留预测概率密度函数中权值较大的高斯个体，并对个体按权值进行重采样，重采样只对权值小于给定的权值阈值的个体有效。
全文摘要
本发明为一种扩展的切片高斯混合滤波器，包括高斯近似模块、预测模块、高斯混合约简模块、切片高斯混合近似模块、滤波模块，其中高斯近似模块用于对接收到的非高斯噪声的概率密度函数进行高斯混合近似；预测模块对含有高斯混合噪声的输入信号的状态进行预测，预测后状态的概率密度函数为高斯混合的形式；高斯混合约简模块对预测后的状态概率密度函数进行约简；切片高斯混合近似模块将约简后的状态概率密度函数近似为切片高斯混合的形式；滤波模块对输入信号的状态进行更新。本发明解决了非高斯噪声环境下混合线性/非线性系统的状态估计问题，将非高斯噪声环境下的状态器用并行的切片高斯混合滤波器来实现。
文档编号H03H17/02GK102624358SQ20121011467
公开日2012年8月1日 申请日期2012年4月18日 优先权日2012年4月18日
发明者甘明刚, 程兰, 陈杰 申请人:北京理工大学