發(fā)布時(shí)間：2022-07-13 12:15

　　為了自適應(yīng)地調(diào)整濾波樣本,本文提出了一種基于Kullback-Leibler散度（Kullback-Leible divergence,KLD）-抽樣的改進(jìn)高斯粒子濾波算法（Gaussian particle filter algorithm based on KLD,KLGPF）。在采樣過(guò)程中,算法通過(guò)計(jì)算KLD來(lái)調(diào)整粒子集的大小,使其介于粒子的離散概率密度函數(shù)和真實(shí)的后驗(yàn)概率密度函數(shù)之間。當(dāng)噪聲服從高斯分布,且噪聲的統(tǒng)計(jì)特性發(fā)生突變時(shí),KLGPF具有顯著的效果,仿真結(jié)果表明,KLGPF在噪聲統(tǒng)計(jì)量突變時(shí)仍能保持良好的估計(jì)效果。在相同條件下,KLGPF的運(yùn)算速度相比基于KLD采樣的粒子濾波算法（Particle filter algorithm based on KLD,KLPF）的運(yùn)算速度提高了28%。 

【文章頁(yè)數(shù)】：8 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于點(diǎn)云協(xié)方差描述子的多機(jī)器人目標(biāo)識(shí)別與編隊(duì)跟蹤[J]. 宗群,劉朋浩,董琦,田栢苓.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2017(11)
[2]一種快速高斯粒子濾波算法[J]. 陳鵬,錢(qián)徽,朱淼良.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(S1)



本文編號(hào)：3660025