算法。卡尔曼滤波器是最小均方意义下的最优滤波算法,四十多年以来一直是用来解决线性高斯环境下机动目标跟踪问题的最佳递推贝叶斯估计器。后来随着研究的深入,对非线跟踪系统的研究越来越多,科学家又提出了改进的卡尔曼滤波器。卡尔曼滤波算法是利用泰勒展开式将非线性部分线性化得到的一种次优贝叶斯估计滤波算法,在非线性不是很大的情况下,该算法近似于最优贝叶斯估计。但是当系统的非线性增大时,泰勒展开式的一阶和二阶方程都不足以描述目标的运动状态,并且鉴于其只限于高斯白噪声系统的局限性,所以科学家提出了各种能够适应于现代复杂机动目标的滤波估计算法其中适用于非线性非高斯噪声的粒子滤波算法较好。
粒子滤波算法是一种递推的次优贝叶斯估计算法,它是通过蒙特卡罗模拟来实现的。它在强非线性或者高度机动性的目标情况下的滤波性能指标很高,精度可以逼进最优估计并且使用灵活、容易实现以及具有并行运算结构和实用性强的特点,所以在目标跟踪领域具有广泛的应用。
本文主要对结合了结合了交互式多模型算法和粒子滤波算法的各自优点的互多模型粒子滤波算法进行了深入的研究。通过研究目标建模方法和滤波估计理对交互多模型粒子滤波算法的算法原理进行详细的描述和分析,然后介绍了交互多模型与粒子滤波算法相结合应用在强非线性条件下并和以往的与KF算法和EKF算法相结合的传统的交互多模型算法的滤波性能进行比较,由于现在的交互多模型粒子滤波算法还不是非常成熟,其中仍然存在许多问题,所以在一些方面
.2007 Journal of Electronics & Information Technology 改进的交互式多模型粒子滤波跟踪算法刘贵喜摘 高恩克 范春宇西安 710071) (西安电子科技大学自动控制系 要:...
改进的交互式多模型粒子滤波跟踪算法_专业资料。通常的交互多模型卡尔曼滤波(IMMKF)或交互多模型扩展卡尔曼滤波(IMMEKF)对于非高斯问题无能为力;对于非线性问题,其...
2005 基于交互式多模型的粒子滤波算法邓小龙,谢剑英,杨煜普 (上海交通大学自动化系, 上海 200030) 摘 要: 融合交互式多模型和粒子滤波,提出了一种新的多模型...
改进的交互式多模型粒子滤波目标跟踪算法_机械/仪表_工程科技_专业资料。第3 3卷 第 3期 弹 箭 与 制 导 学 报 V01.33 No.3 201 3年 6月 Journal ...
指出了交互式多模型方法和粒子滤波结合时存在的主要问题,围绕该问题,重点对国内外关于交互式多模型粒子滤波算法的相关研究成果进行整理和归纳,给出了典型的交互式多...
基于无味粒子滤波和交互多模型算法 改进粒子滤波算法的比较改进粒子滤波算法的比较隐藏>> 第22卷第6期2008年12月 江苏科技大学学报(自然科学版)Journalof V01....
2010 改进的多模型粒子滤波机动目标跟踪算法鉴福升1,2,3 , 徐跃民2 , 阴...这其中的交互多 模型(IMM)算法由于在跟踪性能和计算量上获得了 较好的平衡, ...
模型集自适应的交互多模型辅助粒子滤波算法_专业资料。为了提高机动目标的跟踪精度,提出一种基于目标转弯率模型的模型集自适应交互多模型辅助粒子滤波算法(AMSIMMAPF)...
针对交互多模型粒子滤波计算量大的问题,将视觉跟踪领域的均值漂移算法(Mean Shift)与交互多模粒子滤波(PF)算法相结合,该算法利用均值漂移算法在重采样之后将粒子...
改进粒子滤波算法的比较改进粒子滤波算法的比较隐藏>> 第22 卷第 4 期 Vol....针对该问题 ,首先提出 了非线性交互多模型算法 ; 然后应用该算法产生重要性采样...
热门文档