filtrage particulaire

Abstract

Le filtre de Kalman étendu (EKF) et le filtre à particules (PF) sont deux outils largement utilisés pour résoudre les problèmes d'estimation Etat non-linéaires. L'EKF est une approche sous-optimale, qui met en œuvre un filtre de Kalman pour un système dynamique qui résulte de la linéarisation de la dynamique de filtre non-linéaire original autour des estimations de l'état précédent. Mais elle a été définie sur l'hypothèse que les deux, le processus et le capteur bruits, sont de distribution gaussienne. Le filtre à particules est un schéma plus général et ne nécessite pas que les bruits soient gaussiens, car les probabilités a posteriori sont représentés par un jeu d'échantillons pondérés sélectionnés de manière aléatoire. Ce travail a pour but de comparer l'utilisation du filtre à particules et l’EKF pour un problème d’estimation d’un signal de communication modulé en phase avec un bruit gaussien. Mots clés : Kalman étendu, Filtre à particule, estimation, bayes, Monte carl