粒子滤波算法.pptx

粒子滤波技术在图像处理方面得到了长足的发展，其发展空间还有待提高，代码集合中主要设计到粒子滤波中重采样方面的技术，列出了很多重采样算法，有利于加快开发速度

粒子滤波算法研究现状与发展趋势文字资料

利用人工鱼群算法优化粒子滤波，驱动粒子向高似然区域移动，解决粒子的退化问题

利用粒子滤波算法进行的目标跟踪代码，对学习目标跟踪的同学有所帮助

一种新的粒子滤波SLAM算法：改进方法让机器人大约行进10步完成基于局部已创建地图下的粒子滤波定位后,再利用激光传感器探测环境并更新创建的地图;同时在利用粒子滤波定位时,使粒子只分布在由航位推算法得出

通过对粒子滤波算法中建议分布与重采样2种改进技术分析,提出了一种粒子滤波自适应优化算法.首先,基于退火参数自适应优化混合建议分布,以改进建议分布的采样范围.然后,在基于有效样本大小的自适应重采样技术之

标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要

退化现象是粒子滤波算法应用中的一个主要问题,常规的再采样方法虽可解决退化问题,但容易导致粒子耗尽.对此,提出一种基于权值选择的粒子滤波算法.按照粒子权值的大小选择较好的粒子用于滤波,以增加样本的多样性

基于“当前”统计模型, 提出了双站无源被动跟踪的改进粒子滤波算法. 该算法使用扩展卡尔曼滤波提议分 布的粒子滤波, 融合双站测量数据, 包含了残差重抽样步骤以及马尔可夫链蒙特卡罗法等技巧. 在双站测量

针对低信噪比时标准粒子滤波对弱小目标的检测与跟踪时存在的粒子贫乏、跟踪精度对粒子数目要求高等问题，提出一种基于高斯粒子群优化粒子滤波的弱小目标检测前跟踪算法。利用高斯粒子群优化算法优化重采样后的粒子集