第 27 卷第 4 期
第39卷 第8期
第23 卷 第1 期
一种用于解决非线性滤波问题的新型粒子滤波算法王法胜 赵清杰(北京理工大学计算机科学技术学院 北京 100081)摘 要 粒子滤波算法受到许多领域的研究人员的重视该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上本文提出一种新型粒子滤波算法首先用Unscented卡尔曼滤波器产生系统的状态估计然后用扩展卡尔曼滤波器重复这一过
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级 粒子滤波详述目录粒子滤波背景及简单过程重要性分布函数粒子匮乏与重采样粒子贫化及其解决方案在实现人群跟踪时的目标特征选择存在的问题和发展方向 2粒子滤波简要介绍粒子滤波:通过寻找一组在状态空间中传播的随机样本对概率密度函数 进行近似以样本均值代替积分运算从而获得状态最小方差估计的过程这些样本被形象的称为粒子采
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级第一章 粒子滤波 一.状态空间方程 用某种适当的模型来描述一个实际的物理系统来分析系统非常重要对于非线性模型其模型可以表示为: 1二. 粒子滤波的概念 粒子滤波属于广义上的一种非线性滤波方法它是利用一组随机
粒子滤波粒子滤波(PF:Particle Filter) 与卡尔曼滤波(Kalman Filter)相比较 粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)它是利用粒子集来表示概率可以用在任何形式的状态空间模型上其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布是一种顺序重要性采样法(Sequential Import
Click to edit Master title styleClick to edit Master title styleRandom Finite Sets in Stochastic FilteringBa-Ngu VoEEE Department University of MelbourneAustralia:.ee.unimelb.edu.austaffbvIEEE
陆意骏,陈一民,黄诗华:运计动算像机下工
博 士 论 坛
违法有害信息,请在下方选择原因提交举报