

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著控制和計算機技術(shù)的飛速發(fā)展,非線性濾波技術(shù)在信號處理、無線通信、自動控制、航空航天、計算機視覺、以及目標跟蹤和識別等領(lǐng)域具有越來越廣泛的應用。經(jīng)典的卡爾曼濾波(KF)、擴展卡爾曼濾波(EKF)等算法在研究非線性、非高斯動態(tài)系統(tǒng)最優(yōu)估計問題時,估計精度會明顯下降甚至發(fā)散。而粒子濾波理論結(jié)合了貝葉斯估計理論和蒙特卡羅方法,適用于能用狀態(tài)空間模型表示的非線性系統(tǒng),以及傳統(tǒng)卡爾曼濾波無法表示的非線性非高斯系統(tǒng),精度可以逼近最優(yōu)估計,并在目標
2、跟蹤領(lǐng)域得到了廣泛的應用。本文主要圍繞粒子濾波方法及其在目標跟蹤中的應用開展相關(guān)研究工作,主要工作包括:
1.在卡爾曼濾波理論的基礎(chǔ)上,分析了擴展卡爾曼濾波(EKF)、不敏卡爾曼濾波(UKF)和迭代擴展卡爾曼濾波(IEKF)等主要的非線性濾波方法并進行了跟蹤性能仿真對比實驗,綜合比較了算法優(yōu)缺點,結(jié)果表明迭代擴展卡爾曼濾波(IEKF)算法的跟蹤性能和濾波精度優(yōu)于其他算法。
2.重要性密度函數(shù)的選取對于改善粒子
3、退化現(xiàn)象和濾波精度有著非常重要的影響,由于IEKF產(chǎn)生的重要性密度函數(shù)比EKF和UKF更接近于真實后驗概率分布,估計精度更好。本文研究并仿真了一種基于IEKF的粒子濾波算法IEPF。結(jié)果表明,該算法的估計性能優(yōu)于擴展卡爾曼粒子濾波(EPF)和不敏卡爾曼粒子濾波(UPF)。隨后針對粒子濾波算法中由于重采樣可能帶來的粒子枯竭問題,在PF算法的基礎(chǔ)上引入了基于馬爾可夫鏈蒙特卡羅移動(MCMC)的PF-MCMC算法來增加粒子的多樣性,并完成了性
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子濾波的目標跟蹤方法研究.pdf
- 基于粒子濾波算法的目標跟蹤研究.pdf
- 基于粒子濾波的運動目標跟蹤.pdf
- 基于粒子濾波目標跟蹤算法研究.pdf
- 基于粒子濾波目標跟蹤方法研究.pdf
- 基于粒子濾波的運動目標跟蹤研究.pdf
- 基于粒子濾波的紅外目標跟蹤的研究.pdf
- 基于H∞濾波的機動目標粒子濾波跟蹤研究.pdf
- 基于粒子濾波的視頻目標跟蹤研究.pdf
- 基于粒子濾波與箱粒子濾波的目標跟蹤方法的研究.pdf
- 基于粒子濾波的機動目標跟蹤算法研究.pdf
- 基于粒子濾波的紅外目標跟蹤方法研究.pdf
- 基于粒子濾波的視頻運動目標跟蹤.pdf
- 基于粒子濾波的多目標跟蹤算法的研究.pdf
- 基于粒子濾波的視覺目標跟蹤算法研究.pdf
- 基于粒子濾波的機動目標跟蹤方法研究.pdf
- 基于粒子濾波的運動目標跟蹤算法研究.pdf
- 基于粒子濾波的近場目標跟蹤算法研究.pdf
- 基于箱粒子濾波的多目標跟蹤算法研究.pdf
- 基于粒子濾波的運動目標跟蹤技術(shù)研究.pdf
評論
0/150
提交評論