改进高阶容积粒子滤波的系统状态估计算法

传统粒子滤波（PF）直接采用状态转移先验分布作为重要性密度函数来近似后验概率密度函数，使得后验概率密度函数未包含量测信息。针对此问题，提出了一种改进高阶容积粒子滤波(CPF)的系统状态估计算法。算法采用七阶正交容积卡尔曼滤波（7th-CQKF）对PF的粒子进行传递，使得先验分布更新阶段融入最新量测信息；通过7th-CQKF设计重要性密度函数，提高对状态后验概率密度的逼近程度；通过反比例函数计算粒子权重，突出大噪声粒子与小噪声粒子权重差别，提高粒子有效性。仿真结果表明，改进高阶容积粒子滤波的估计精度高于容积粒子滤波（CPF）。