10.3969/j.issn.1627-9730.2012.01.014
基于采样的非线性滤波算法比较
在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法(UPF)。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。
无味卡尔曼滤波、简单粒子滤波、无味粒子滤波、非线性、目标跟踪
32
TN96
安徽省自然科学基金090412043;中国博士后科学基金200801493,20080430223
2012-05-05(万方平台首次上网日期,不代表论文的发表时间)
共3页
31-32,50