蒙特卡罗粒子滤波算法应用研究

被引：48

作者：

张卫明 ^{[1
]}

张炎华 ^{[1
]}

钟山 ^{[2
]}

机构：

[1] 上海交通大学信息检测技术与仪器系

[2] 中国航天科工集团公司第二研究院

来源：

微计算机信息 | 2007年 / 01期

关键词：

非线性; 广义卡尔曼滤波; 粒子滤波; 蒙特卡罗算法;

D O I：

暂无

中图分类号：

TN713 [滤波技术、滤波器];

学科分类号：

080508 [光电信息材料与器件];

摘要：

随着这些年计算机硬件水平的发展,计算速度的提高,源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念,用一系列离散的带权重随机样本近似相应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似,所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。

引用

页码：295 / 297

页数：3

共 4 条

[1]

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

Doucet, A ;

Godsill, S ;

Andrieu, C .

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

[2]

自适应滤波算法的神经网络实现 [J].

张鹏 ;

王金城 .

微计算机信息, 2003, (07) :1-3

[3]

Novel approach to nonlinear non-Gaussian Bayesian state estimation..N.J.Gordon;D.J.Salmond;A.F.M.Smith;.IEE Proc.Radar;Sonar and Navig.1993,

[4]

Change.Detection for Nonlinear Systems:A Particle Filtering Approach..Azimi-Sadjadi B;and Krishnaprasad P S;.Proceedings of2002American Control Conference.2002,

← 1 →