基于当前统计模型的改进粒子滤波算法

被引：6

作者：

邓小龙

谢剑英

王林

机构：

[1] 上海交通大学自动化系

[2] 上海交通大学自动化系上海

[3] 上海

来源：

控制与决策 | 2005年 / 05期

关键词：

当前统计模型; 粒子滤波; 扩展卡尔曼滤波; 被动跟踪; 数据融合;

D O I：

10.13195/j.cd.2005.05.88.dengxl.019

中图分类号：

TN713 [滤波技术、滤波器];

学科分类号：

080902 ;

摘要：

基于"当前"统计模型,提出了双站无源被动跟踪的改进粒子滤波算法.该算法使用扩展卡尔曼滤波提议分布的粒子滤波,融合双站测量数据,包含了残差重抽样步骤以及马尔可夫链蒙特卡罗法等技巧.在双站测量的被动跟踪试验中,比较了各种滤波方式.仿真结果证实,该改进算法能有效跟踪高度机动的目标.

引用

页码：567 / 570+574 +574

页数：5

共 8 条

[1] 基于增强的粒子滤波算法的医学图像动态轮廓跟踪新方法 [J].

周寿军 ;

陈武凡 .

第一军医大学学报, 2004, (06) :677-681

[2] 基于进化粒子滤波器的混合系统故障诊断 [J].

莫以为 ;

萧德云 ;

不详 .

控制与决策 , 2004, (06) :611-615

[3] 高斯-厄米特粒子滤波器 [J].

袁泽剑 ;

郑南宁 ;

贾新春 .

电子学报, 2003, (07) :970-973

[4] 基于当前统计模型的机动目标被动跟踪 [J].

陈非 ;

敬忠良 ;

李建勋 .

上海交通大学学报, 2003, (03) :366-369

[5] An introduction to MCMC for machine learning [J].

Andrieu, C ;

de Freitas, N ;

Doucet, A ;

Jordan, MI .

MACHINE LEARNING, 2003, 50 (1-2) :5-43

[6] On sequential Monte Carlo sampling methods for Bayesian filtering [J].

Doucet, A ;

Godsill, S ;

Andrieu, C .

STATISTICS AND COMPUTING, 2000, 10 (03) :197-208

[7]

单多基地有源无源定位技术.[M].孙仲康等著.国防工业出版社.1996,

[8]

机动目标跟踪.[M].周宏仁等著;.国防工业出版社.1991,

← 1 →