求积分卡尔曼滤波重要性密度函数针对非线性/非高斯系统的状态估计问题,提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法——PF-QKF算法.新算法使用统计线性回归的方法,通过一套高斯-厄米特积分点来线性化非线性函数,不需要计算雅可比矩阵,易于实现,而且所产生的重要性密度函数在系统状态转移...
2.2 扩展卡尔曼滤波的算法 EKF的算法同KF 一样, 也可分为两步预测和更新。如图2.1所示 图2.1 2.3 扩展卡尔曼滤波的缺点 因为EKF 忽略了非线性函数泰勒展开的高阶项, 仅仅用了一阶项, 是非线性函数在局部线性化的结果, 这就给估计带来了很大误差, 所以只有当系统的状态方程和观测方程都接近线性且连续时,EKF的...
迭代容积卡尔曼粒子滤波算法
理论分析和实验结果表明,PF2QKF算法的估计精度比无味粒子滤波(PF2UF)算法提高了约18%,其计算复杂度比PF2UF算法稍有降低,表明PF2QKF算法是一种很有效的非线性滤波算法.关键词:粒子滤波;统计线性回归;求积分卡尔曼滤波;重要性密度函数中图分类号:TP391 文献标志码:A 文章编号:02532987X(2009)0220025204Quadrature...
The SICPF is an effective filter algorithm.%为了提高现有粒子滤波算法对非线性、非高斯系统的状态估计精度,该文提出了一种平方根嵌入式容积粒子滤波( Square-root imbedded cubature particle filter,SICPF)算法. 该算法采用平方根嵌入式容积卡尔曼滤波( Square-root imbedded cubature Kalman filter,SICKF)产生重要...
非高斯情况下的GNSS/INS组合导航，定位精度较高；考虑到状态向量维数且尽可能减少粒子数，间接法粒子滤波（PF）可以选用拓展卡尔曼滤波（EKF）来提供更优的建议密度函数；直接法PF适用于状态方程非线性情况，对各导航子系统的输出参数进行滤波估计，但滤波精度不如间接法的EKF算法和PF算法。
IMM迭代扩展卡尔曼粒子滤波跟踪算法_物理_自然科学_专业资料。该文提出了一种交互式多模型(IMM)迭代扩展卡尔曼粒子滤波机动目标跟踪算法.该算法在多模型中使用了改进的粒子滤波器,通过对迭代扩展卡尔曼滤波(IEKF)的测量更新按照高斯牛顿方法进行修正,减小了非线性滤波带来的线性化误差,然后利用修正的IEKF来产生粒子滤波...
一种基于卡尔曼滤波及粒子滤波的目标跟踪算法_杜超
MATLAB比较EKF(扩展卡尔曼滤波)_UKF(无迹卡尔曼滤波)_PF(粒子滤波)三种估计算法效果仿真程序输出估计误差,并单独对粒子滤波进行估计及其置信区间可视化,程序已调通,可直接运行。起风了 新学期多点新知识 知识 校园学习 MATLAB 扩展卡尔曼滤波 无迹卡尔曼滤波 估计算法效果 粒子滤波 卡尔曼滤波 新学期,多点新知识!
基于人工鱼群优化的扩展卡尔曼粒子滤波算法