- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于高斯粒子滤波的当前统计模型跟踪算法.pdf
第34卷第5期 光电工程 Vol.34,No.5
2007年5月 Opto-ElectronicEngineering May,2007
文章编号:1003-501X(2007)05-0015-05
基于高斯粒子滤波的当前统计模型跟踪算法
王 宁,王从庆
(南京航空航天大学 自动化学院,江苏南京210016)
摘要:对于非线性系统枯计问题,高斯粒子滤波器可以获得近似最优解,与粒子滤波器相比其优.气是不需要重采
样步骤和不存在粒子退化现象.采用高斯粒子滤波代替当前模型自适应跟踪算法中的卡尔曼滤波,将高斯粒子滤
波与当前统计模型的优点相结合,提出了一种新的当前统计模型自适应跟踪算法,用于非线性非高斯系统的机动
目标跟踪。MonteCarlo仿真表明,该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法,
实时性好于交互多模型粒子滤波算法。
关键词:粒子滤波;高斯粒子滤波;交互多模型;统计模型
中图分类号:TN911 文献标识码:A
Currentstatisticalmodeltrackingalgorithm
basedongaussianparticlefiltering
WANGNing,WANGCong-ging
(CollegeofAutomationEngineering,NanjingUniversityofAeronauticsandAstronauts,Nanjing210016,China)
Abstract:GaussianParticleFilter(GPF)isasymptoticallyoptimalfornonlinearsystemestimationproblems.The
advantageofGPFovertheParticleFilter(PF)isthatitdoesnotneedthere-samplingstepandavoidstheparticle
degeneracyphenomenon.Anewcurrentstatisticalmodeltrackingalgorithmisproposed,whichisappliedtomaneuvering
targettrackinginnon-linearandnon-Gaussiansystem.Inthenewalgorithm,replacingKalmanFilterwithGPFincurrent
statisticalmodeladaptivetrackingalgorithmintegratestheadvantagesofGPFwiththeonesofcurrentstatisticalmodel.A
simulationofamaneuveringtargettrackingmodelispresented.Thesimulationshowsthatthetrackingaccuracyof
currentstatisticalmodeladaptivetrackingalgorithmbasedonGPFissuperiortothatofstandardinteractingmultiple
modelalgorithmandcurrentstatisticalmodeladaptivetrackingalgorithm,thetrackingspeedofwhichisbetterthanthat
ofInteractingMultipleModelParticleFilteralgorithm.
Keywords:Particlefiltering;Gaussianparticlefiltering;Interactingmultiplemodel;Statisticalmodel
引 言
当系统可用高斯线性模型描述时,Kalman滤波可以得到统
文档评论(0)