搜索资源列表
paticale_filter_and_pose
- 粒子滤波器和姿态处理的论文，这是粒子滤波的实现,可以实现基本的粒子滤波的算法,也就是用MARLAB实验粒子滤波的程序. -particle filter and posture of paper, which is the realization of particle filter, can achieve basic particle filter algorithm, which is used MARLAB experimental particle filter procedure
StudytheApplicationofMonteCarloParticleFilterAlgor
- 随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
Researchon3DHumanMotionTrackingBasedonProbabilisti
- 本文提出了有模型指导的三维人体运动跟踪框架，将一个多关节的圆台形状三维人体模型与多个视频图像中的外轮廓、边界、灰度和肤色特征进行匹配，使人体运动跟踪变成一个状态估计问题。并且，使用基于概率模型的粒子滤波算法来完成非线性、非高斯动态系统的状态估计。
AnalysisandRealizationoftheParallelGPF
- 本文档的标题是并行高斯粒子滤波器结构分析和实现。本文针对粒子滤波器计算量大、实时性差的问题分析了高斯粒子滤波的并行结构,并以一个简单实例为背景介绍了高斯粒子滤波器在集群计算机上的应用实现。是一篇很好的论文
TheApplicationResearchofImprovedParticleFilterAlgo
- 本文的题目是改进的粒子滤波在组合导航中的应用研究。文档可用caj打开。 本课题首先研究了GPS/DR车载定位系统的组合模型，然后在分析了非线性滤波的基础上，引入了粒子滤波。粒子滤波是一种基于递推计算的序列蒙特卡罗算法，它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度，从而不受非线性、非高斯问题的限制。虽然粒子滤波存在诸多优点，然而它仍然存在诸如粒子数匿乏、滤波性能不高、实时性差等问题。
ParticleFilterforStateEstimationBaseOnJumpMarkovMo
- 跳变马尔可夫模型状态估计的粒子滤波算法研究，本文在系统分析传统粒子滤波理论与应用问题的基础上，重点研究了基于跳变马尔可夫状态空间模型的粒子滤波算法。针对混合系统在二维离散状态情形下的混合状态估计问题，给出了基于Rao-Blackwellised粒子滤波的二维离散状态与连续状态的同步估计算法，一定程度上缓解了传统粒子滤波算法在高维状态空间估计中的失效问题，有效提高了状态估计的精度。应用数值仿真计算，对相关粒子滤波算法的性能进行了比较分析。结果表明，本文研究的算法能够有效完成二维离散状态与连续状态的
aaaa
- 一种基于粒子滤波的自适应运动目标跟踪方法