搜索资源列表
粒子滤波算法综述
- 对粒子滤波算法的原理和应用进行综述，首先针对非线性非高斯系统的状态滤波问题 阐述粒子滤波的原理，然后在分析采样重要性，重采样算法基础上 讨论粒子滤波算法存在的主要问题和改进手段，最后从概率密度函数的角度出发，将粒子滤波方法与其他非线性滤波算法进行比较，阐明了粒子滤波的适应性， 给出了粒子滤波在一些研究领域中的应用并展望了其未来发展方向。
OnTrackingofMovingObjects
- 学位论文；运动物体跟踪方法主要包括卡尔曼滤波，Mean-shift，Camshifi算法，粒子滤波器，Snake模型等；应用卡尔曼滤波方法设计了一套煤矿矿工出入自动监测系统；提出了一种新的基于高斯混合模型的颜色特征提取方法，该方法克服了现有的Camshift算法Continuousl y Adaptive eanshift中跟踪目标特征提取精确度低和计算复杂度高的缺陷-Dissertation moving object tracking methods include Kalman filt
Particle_filter
- 基于粒子滤波器的机动目标跟踪技术 首先 ， 概 要介绍传统的Kalman滤波器，以及有所改进的扩展Kalman滤波器。 其次，为了能更好地解决在动态模型为非线性且噪声为非高斯的条件下对机动目标的 跟踪问题，通过概率统计理论详细阐述粒子滤波器基本原理。然后，针对不同的使用 条件，根据粒子滤波器的基本理论做出适当的修改和整理，就得到了四个相关的粒子 滤波器的变型，使用州以JLAB把它们对机动目标的跟踪性能作了详细地计算机模拟 仿真且用均方根误差更加精确地进行了比较。最后，把粒
Particle-filter-resampling-methods
- 粒子滤波是基于递推的MonteCarlo仿真方法的总称, 原则上可用于任意非线性、非高斯随机系统的状态估计。-Particle filter is based on the the MonteCarlo simulation method of recursive general principle can be used for any nonlinear, non-Gaussian random system state estimation.
Particle-filter-algorithm-
- 粒子滤波是基于递推的蒙特卡罗模拟方法的总称，可用于任意非线性，非高斯随机系统的状态估计。-The particle filter is based on recursive Monte Carlo simulation method general, can be used for any non-linear, non-Gaussian random system state estimation.
NumExamplePF
- 粒子滤波算法的简单例子，适用于非线性、非高斯过程的滤波。-A simple example of particle filter algorithm for nonlinear and non-Gaussian process filtering.
284
- 针对涡扇发动机非线性暍非高斯的特点棳提出了一种自适应的粒子滤波算法用于涡扇发动机气 路部件突变故障的诊断-turbofan engine for non-Gaussian nonlinear characteristics 棳 an adaptive particle filter algorithm turbofan engine gas path component fault diagnosis for mutation
Image-filter.tar
- 提出了一种基于改进 BP 神经网络和粒子群优化算法( PSO) 的图像滤波方法 。该方法利用双曲正切形式 的误差函数代替 BP 神经网络传统的最小均方误差函数( LMS),并将改进后的 BP 神经网络利用 PSO 算法优 化,用来减小图像噪声对神经网络精度的影响以及避免神经网络陷入局部极小值点,从而提高神经网络去噪能 力。实验结果表明,与传统滤波方法相比,该方法不仅能有效地滤除图像中的高斯噪声而且能很好地保护图像 细节 。- U63D0 u51FA u4E86 u4E00