提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.
2021-10-25 21:20:52
372KB
1
项目描述请参见：https://handsome-man.blog.csdn.net/article/details/117371811
2021-05-30 09:04:17
93KB
1
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.
2021-03-11 13:47:29
220KB
1