共查询到10条相似文献,搜索用时 15 毫秒
1.
为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。 相似文献
2.
3.
4.
针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题,提出基于粒子群优化(PSO)算法的粒子滤波检测前跟踪方法(IPSO-PF-TBD)。该算法在滤波预测与步骤更新之间加入PSO算法,结合预测信息和更新完成的粒子分布状态进行优化,将粒子集合转移到后验概率密度较大的区域,并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略,通过检测前跟踪(TBD)技术的数据帧间能量累积和目标检测,提高目标检测前跟踪的性能。仿真试验结果表明,提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时,在位置估计精度和误差值方面明显优于粒子滤波(PF)和PSO-PF算法,具有一定研究和应用价值。 相似文献
5.
6.
7.
采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。 相似文献
8.
《舰船科学技术》2016,(Z1)
针对标准粒子滤波的粒子贫化问题,提出一种基于改进高斯粒子滤波(Improved Gaussian Particle Filter,IGPF)的船舶非线性状态估计器。首先基于序贯重要性采样(Sequential Important Sampling,SIS)的理论框架,给出标准粒子滤波(Particle Filter,PF)算法,然后在此基础上用高斯分布来作为重要性分布给出高斯粒子滤波(Gaussian Particle Filter,GPF),并将Unscented卡尔曼滤波用于重要性密度函数形成IGPF,应用于动力定位船的状态估计。仿真结果表明,基于IGPF的非线性状态估计器能有效避免粒子贫化、估计船舶状态,并对观测野值有一定的鲁棒性。 相似文献
9.