条件线性高斯状态空间模型的GSF-KF滤波算法
本文对条件线性高斯状态空间模型的GSF-KF滤波算法进行了研究。本算法将模型中的条件线性状态方程代入观测方程，并融合线性状态的过程噪声和观测噪声，再与非线性状态方程联立，由高斯和滤波器获得非线性状态的估计，然后将估计值代入线性状态方程与观测方程，由卡尔曼滤波器获得线性状态的估计。将GSF-KF算法应用于目标跟踪的仿真结果表明，与现有Rao-Blackwellized粒子滤波器相比，新方法在保证精度的同时，明显提高了实时性，计算时间仅约为RBPF的7％。
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
174-177
2007-08-01（万方平台首次上网日期，不代表论文的发表时间）