非线性滤波器与数字图像处理 非线性滤波器与数字图像处理

本书介绍了系统最优状态估计的方法。全书分为四大部分，第一部分给出了系统状态估计所需的数学基础，包括线性系统理论、概率理论、最小二乘估计、状态和协方差阵迭代；第二部分主要阐述了卡尔曼滤波器及其发展，包括离散卡尔曼滤波器、卡尔曼滤波器的其他表示方法、发展的卡尔曼滤波器、时间连续卡尔曼滤波器和最优平滑；第三部分介绍了H∞滤波器；第四部分介绍了非线性滤波器，包括非线.

基于RBF网络的非线性滤波,采用matlab实现对数据的过滤,结果能很好拟合目标曲线，适合初学者学习研究

首先，介绍了数字图像处理的概念及其应用领域、边缘检测研究的背景意义，历史现状，以及边缘检测的一些基本概念。 然后，分别介绍了经典的图像边缘检测算子，如Robert算子、Sobel算子、Prewitt算子等，并通过理论分析和仿真计算比较了他们各自的优缺点及适用性。接着概述了几种新的边缘检测方法，如小波理论、数学形态学、模糊理论等。在本文的第四章里，讨论了基于线性滤波技术的边缘检测算法：Marr-Hildreth方法和Canny算法。 最后，提出了一种基于各向异性扩散方程的Canny边缘检测算法。Canny边缘检测算法由于使用高斯滤波对图像进行平滑，往往使得算法的信噪比和定位精度下降，从而产生一些虚假边缘，使角点变圆。针对Canny算法所出现的问题，运用各向异性扩散方程代替高斯滤波，并对扩散后的图像做图像增强。实验结果表明，改进后的算法有效地提高了边缘检测的准确性，得到了比较理想的边缘检测效果。

介绍两种目标跟踪算法—扩展卡尔曼滤波器（Extended Kalman Filter， EKF）、粒子滤波器（Particle filter， PF）。EKF利用泰勒级数方法，将非线性问题转化到线性空间，再利用卡尔曼滤波器进行滤波，并达到一阶估计精度。PF是一种采用蒙特卡罗采样的贝叶斯滤波方法，它将复杂的目标状态分布表示为一组加权值，通过寻找在粒子滤波分布中最大权值的粒子来确定目标最可能所处的状态分布，已成为复杂环境下进行目标跟踪的最好的方法。文中通过仿真实验，对二者的性能进行了仿真比较，结果证明在复杂的非高斯非线性环境中，PF的性能明显优于EKF，但计算复杂，耗时长。

最优状态估计英文电子版以及英文课后答案和中文翻译版，需要的可以下载。

matlab开发-几何非线性滤波。一种自适应滤波器，在边缘保持的同时消除噪声。

对粒子滤波算法的原理和应用进行综述.首先针对非线性非高斯系统的状态滤波问题,阐述粒子滤波的原理;然后在分析采样-重要性-重采样算法基础上,讨论粒子滤波算法存在的主要问题和改进手段;最后从概率密度函数的角度出发,将粒子滤波方法与其他非线性滤波算法进行比较,阐明了粒子滤波的适应性,给出了粒子滤波在一些研究领域中的应用,并展望了其未来发展方向.

基于UKF的最小熵准则非线性滤波。

MATLAB-非线性滤波源代码