粒子滤波算法的综述

介绍MonteCarlo方法的一些理论

粒子滤波（ParticleFiltering）是基于贝叶斯估计的一种估计算法，在制导，导航，通信，金融中用着广泛应用。该程序实现了基于粒子滤波方法的动目标跟踪。

粒子滤波实例matlab程序，实测可直接运行，对比卡尔曼滤波和粒子滤波

Upf particle filter

介绍了关于粒子滤波器的相关基础知识，相关公式推导，是进行粒子滤波器入门学习的指导文档。

聚类分析是数据挖掘的重要技术之一，它能够通过无监督的学习过程发现隐藏的模式，具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍，对几种主要的粒子群聚类算法的基本原理及其

以应用传感器网络进行分布式估计为研究背景, 对卡尔曼一致滤波问题进行综述. 系统地介绍了各种卡尔 曼一致滤波算法, 其中包括几种典型的基础算法、自适应估计算法、优化算法以及带丢包、带牵制控制等滤波算法

本书可供高等院校电子信息、自动化、计算机应用、应用数学等有关专业高年级本科生和研究生，以及从事控制科学与工程、信号与信息处理领域的工程技术人员和研究人员参考阅读。

前言： 粒子滤波广泛的应用于目标跟踪，粒子滤波器是一种序列蒙特卡罗滤波方法，其实质是利用一系列随机抽取的样本（即粒子）来替代状态的后验概率分布。在此不打算介绍和推理繁杂的概率公式，我们来分析Rob H

改程序实现基于粒子滤波的检测前跟踪算法。粒子滤波是一种非线性滤波方式，检测前跟踪用于弱小目标跟踪。该算法用于雷达弱小目标检测跟踪