条件线性高斯状态空间模型的PPF-KF算法
本文针对条件线性高斯状态空间模型，提出一种新的混合滤波算法，称为多项式预测滤波-卡尔曼滤波算法。为了有效融合PPF和KF，算法首先根据过去时刻的非线性状态用PPF进行当前时刻非线性状态的预测；再将预测结果代入线性状态方程与观测方程，由KF获得线性状态的估计。将PPF-KF算法应用于目标跟踪的仿真结果表明，与现有Rao-Blackwellized粒子滤波器算法相比，新方法虽在精度上有小幅下降，但计算时间仅约为RBPF的5％，明显提高了实时性。
系统仿真 信息处理 卡尔曼滤波
尹建君 张建秋
复旦大学电子工程系,上海,200433
国内会议
珠海
中文
170-173
2007-08-01（万方平台首次上网日期，不代表论文的发表时间）