10.3778/j.issn.1002-8331.2008.06.075
粒子滤波理论及其在目标跟踪中的应用
非线性估计领域的经典算法是扩展Kalman滤波(EKF),它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点.而粒子滤波采用一些带有权值的随杌样本(粒子)来表示所需要的后验概率密度,而不是采用传统的线性变换,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点.对经典的纯方位跟踪问题进行了仿真.仿真结果表明,粒子滤波器的跟踪性能要远优于EKF的性能.
粒子滤波、蒙特卡罗、序列重要性采样、重采样
44
TP391(计算技术、计算机技术)
2008-05-26(万方平台首次上网日期,不代表论文的发表时间)
共3页
246-248