一种新的粒子滤波算法

被引：15

作者：

王来雄

黄士坦

机构：

[1] 西安微电子技术研究所

来源：

武汉大学学报(工学版) | 2006年 / 01期

关键词：

粒子滤波; 提议概率密度; 采样重要再采样; 无迹卡尔曼滤波; 跟踪;

D O I：

暂无

中图分类号：

TN713 [滤波技术、滤波器];

学科分类号：

080902 ;

摘要：

将采样重要再采样(SIR)方法与无迹卡尔曼滤波(UKF)相结合,提出一种新的粒子滤波算法.该算法具有无迹粒子滤波(UPF)粒子使用效率高和SIR粒子滤波运算速度快的优点,同时克服了UPF运算量的增长速率快于状态维数增长的缺陷.仿真结果表明,与UPF相比,本算法在几乎不影响滤波效果的前提下,大幅减少滤波所需计算量.

引用

页码：118 / 120

页数：3

共 8 条

[1]

Gaussian particle filter. Kotecha J H,Djuric P M. IEEE Transactions on Signal Processing . 2003

[2]

Particle filters for posi-tioning,navigation,and tracking. Gunnarsson F,Bergman N. IEEE Trans-actions on Signal Processing . 2002

[3]

SequentialMonte Carlo methods in practice. Doucet A,Freitas J F G de,Gordon N J. . 2001

[4]

Novel ap-proach to nonlinear/non-Gussian Bayesian state esti-mation. Gordon N J,Salmond D J,Smith A F M. IEE Proc.Radar Signal Process . 1993

[5]

Tracking multiple ob-jects with particle filter. Hue C,Cadre J P Le,Perez P. IEEE Transactions on Aer-ospace and Electronic Systems . 2002

[6]

Filtering via simulation:Auxil-iary particle filters. Pitt M,Shephard N. Journal of the American Statistical Association . 1999

[7]

Gaussian sum particle fil-tering. Kotecha J H,Djuric P M. IEEE Transactions on Signal Processing . 2003

[8]

A tutorial onparticle filters for online nonlinear/non-Gaussian bay-sian tracking. Arulampalam S,Maskell S,Gordon N. IEEE Transactions on Signal Processing . 2002

← 1 →