粒子濾波算法

粒子濾波算法

ID:33414632

大?。?83.27 KB

頁數(shù):16頁

時(shí)間:2019-02-25

粒子濾波算法_第1頁
粒子濾波算法_第2頁
粒子濾波算法_第3頁
粒子濾波算法_第4頁
粒子濾波算法_第5頁
資源描述:

《粒子濾波算法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第37卷第8期計(jì)算機(jī)學(xué)報(bào)Vol.37No.82014年8月CHINESEJOURNALOFCOMPUTERSAug.2014粒子濾波算法王法勝1)1)2)3)魯明羽趙清杰袁澤劍1)(大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院遼寧大連116026)2)(北京理工大學(xué)計(jì)算機(jī)學(xué)院北京100081)3)(西安交通大學(xué)人工智能與機(jī)器人研究所西安710049)摘要粒子濾波算法逐漸成為科學(xué)領(lǐng)域的研究熱點(diǎn).文章首先闡述了粒子濾波算法的提出背景,根據(jù)m階馬爾科夫假設(shè),分析算法基本原理并推導(dǎo)后驗(yàn)概率密度及權(quán)值更新公式.分析了基本粒子濾波算法中存在的問題以及解決方法.針對粒子濾波算法重要性

2、采樣密度的選擇問題,綜述了重要性采樣密度選擇方法.對重采樣技術(shù)及樣本匱乏問題進(jìn)行了深入的分析,討論了算法收斂性分析的最新進(jìn)展.對自適應(yīng)粒子濾波算法以及粒子濾波算法在各主要應(yīng)用領(lǐng)域的進(jìn)展進(jìn)行了論述.最后對粒子濾波算法的研究前景提出了展望.關(guān)鍵詞粒子濾波;重要性采樣密度;重采樣;自適應(yīng)粒子濾波;收斂性分析中圖法分類號(hào)TP391DOI號(hào)10.3724/SP.J.1016.2014.01679ParticleFilteringAlgorithm1)1)2)3)WANGFa-ShengLUMing-YuZHAOQing-JieYUANZe-Jian1)(Schoo

3、lofInformationScienceandTechnology,DalianMaritimeUniversity,Dalian,Liaoning116026)2)(SchoolofComputer,BeijingInstituteofTechnology,Beijng100081)3)(InstituteofAIandRobots,Xi’anJiaotongUniversity,Xi’an710049)AbstractParticlefilterisemergingasanewhotspotofresearchinscientificfieldsi

4、nthepastseveralyears.Wefirstshowthebackgroundinformationofparticlefilters.Thereafter,theprincipleoftheparticlefilterunderm-orderMarkovianassumptionisanalyzed,accompanyingthederivativesoftheposteriordensityfunctionandtheweightupdatingformula.Meanwhile,theanalysisofthedrawbacksofth

5、estandardparticlefilterandcorrespondingsolutionsaregiven.Andacriticalsurveyofimportancesamplingdensityselectionisshowninthefollowingsection.Wealsogiveadetailedanalysisofresamplingmethodandthesampleimpoverishmentprobleminducedbyresampling.Wereviewedthedevelopmentofadaptiveparticle

6、filtersfollowingtheadvancesofconvergenceanalysis.Thefollowingsectionreviewstheadvancesofparticlefiltersindifferentapplicationareas.Finally,thefuturedirectionsarepointedout.Keywordsparticlefilter;importancesamplingdensity;resampling;adaptiveparticlefilter;convergenceanalysis波器(Kal

7、manFilter),為線性高斯問題提供了一種1引言最優(yōu)的解決方法.迄今為止,卡爾曼濾波器仍然被廣[1]泛的采用,成為解決現(xiàn)實(shí)應(yīng)用問題的標(biāo)準(zhǔn)框架.然1960年,Kalman先生提出了經(jīng)典的卡爾曼濾而,在現(xiàn)實(shí)世界中,科學(xué)領(lǐng)域中的實(shí)際問題大都具有收稿日期:2013-09-27;最終修改稿收到日期:2014-02-17.本課題得到國家自然科學(xué)基金(61300082,61272369,61073133,61175053,61175096)、中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(3132013335,3132013325)、大連市科技計(jì)劃項(xiàng)目(2013A16GX115)

8、資助.王法勝,男,1983年生,博士研究生,講師,中國計(jì)算機(jī)學(xué)會(huì)(CCF)學(xué)生會(huì)

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。