摘 要:针对目标跟踪问题介绍两种目标跟踪算法—粒子滤波算法(PF)、扩展卡尔曼算法(EKF)。PF算法采用蒙特卡洛采样的贝叶斯滤波方法,将复杂的目标状态表示为一组加权值,通过 寻找在粒子滤波分布中的最大权值粒子来确定目标最有可能的状态分布。EKF利用泰勒级数方法,将非线性问题转化为线性问题,再通过卡尔曼算法进行滤波,能够达到一阶估计精度。通过对二者进行仿真比较,证明在复杂的非高斯非线性条件下,PF的性能优于EKF。
关键词:目标跟踪;非线性滤波;扩展卡尔曼滤波;粒子滤波
Abstract: PF is a Bay
[登陆后可查看全文]