HMM隐状态的粒子滤波估计  

Particle filters for HMM state inference

作　　者：朱成文[1] 李兵[2] 胡奎[3] 庞魁[2] 

机构地区：[1]武汉军械士官学校 [2]国防科技大学理学院 [3]92941部队96分队

出　　处：《计算机工程与应用》2012年第8期161-163,共3页Computer Engineering and Applications

摘　　要：利用隐马氏模型解决实际问题时,其最终目的往往是隐状态估计问题。传统的Viterbi算法适用范围有限,而粒子滤波通过一组加权样本逼近状态的最优估计,适用于任意非线性、非高斯动态系统状态估计问题。利用粒子滤波的优点,提出了基于SISR的HMM隐状态估计算法,仿真结果表明,该方法比Viterbi算法有更高的估计精度。A problem of hidden-state-estimating is always attained when Hidden Markov Model （HMM） is practically applied. Tradi- tional Viterbi algorithm cannot be generally effective, however, the particle filters, employing a group of weighted samples to approxi- mate the optimum estimation of state, is suitable for non-linear and non-Gaussian problems. Incorporating the characteristics of particle filters, it presents the hidden state estimation algorithm based on SISR. Experimental results show the predominance of the method over the Viterbi algorithm.

关 键 词：隐马氏模型 粒子滤波 建议分布 重抽样 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]