高斯粒子滤波器及其在非线性估计中的应用
为了解决非线性、非高斯系统估计问题,讨论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.在符合高斯假设和一定的粒子数的情况下,该算法可以获得近似最优解.与粒子滤波算法相比,其优点是不需要重采样步骤和不存在粒子退化现象.在滤波精度、运算时间等方面与扩展卡尔曼滤波、Unscented滤波、高斯厄米特滤波及一般的粒子滤波进行了比较分析,仿真结果表明该算法性能优于其他算法.
非线性估计 高斯粒子滤波 Unscented滤波 高斯厄米特滤波 粒子滤波
王宁 王从庆
南京航空航天大学自动化学院,南京,210016
国内会议
江苏无锡
中文
132-135
2006-07-31（万方平台首次上网日期，不代表论文的发表时间）