搜索资源列表
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
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。
高斯粒子滤波算法
- 本程序实现了基于matlab的高斯粒子滤波方法，附有大量例子，可供直接使用。
rob_hess_pf.粒子滤波现在已经成为目标跟踪领域的主流算法
- 粒子滤波现在已经成为目标跟踪领域的主流算法，它的应用范围广泛，在非线性、非高斯噪声下依然表现良好。该代码是Rob Hess 编写的。他的个人主页是：http://web.engr.oregonstate.edu/~hess/ ,Now,Partical filter has become the main algorithm in moving target tracking region.It still perform very well in nonlinear non-gaussia
particale_filters
- 粒子滤波器是通过蒙特卡罗模拟来实现递归贝叶斯滤波，它不需要线性、高斯噪声的假设，适用于任何能用状态空间模型表示的非线性系统，比卡尔曼滤波器的适用范围广。这里给出了几个粒子滤波的matlab编程实例。-Particle filters are using Monte Carlo simulations to achieve the recursive Bayesian filtering, it does not require linear, Gaussian noise assumptions
LPFleida
- Pf粒子滤波实现的目标跟踪程序，可实现针对非高斯噪声情况下的跟踪-Pf particle filter to achieve tracking procedures, can be non-Gaussian noise for tracking cases
lzlv
- 标准粒子滤波目标跟踪源码！ 一维情况下 非线性非高斯,-Standard particle filter target tracking source! One-Dimensional Non-linear non-Gaussian,
Particle_Filter
- 粒子滤波程序，仿真实现自由度机器人对目标的跟踪，使用kalman滤波估计总雅可比矩阵J，噪声为非高斯噪声-Particle filter procedure, simulation robot tracking of targets, the use of kalman filter estimated total Jacobian matrix J, the noise of non-Gaussian noise
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
matlab_utilities
- 粒子滤波、无迹粒子滤波算法程序，高斯混合模型参数设置等详细代码-Particle filter, unscented particle filter program, Gaussian mixture model parameter settings, and more code
CostReference
- 一篇关于代价参考粒子滤波算法的论文，该算法的优点是不需要任何先验概率知识的假定和重采样过程，可实现并行处理。本文将代价参考粒子滤波与当前统计模型的优点相结合 ,提出一种新的当前统计模型自适应跟踪算法 ,用于非线性非高斯系统的机动目标跟踪。-A particle filter on the reference price of the paper, the advantages of the algorithm does not require any prior knowledge of the
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
496876399457457454534
- 粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。另外，粒子滤波器的多模态处理能力，也是它应用广泛有原因之一。国际上，粒子滤波已被应用于各个领域。在经济学领域，它被应用在经济数据预测；在军事领域已经被应用于雷达跟踪空中飞行物，空对空、空对地的被动式跟踪；在交通管制领域它被应用在对车或人视频监控；它还用于机器人的全局定位。 -Particle filter technology in the non-linear, non-Gaussian system demon
GaussHermite
- 高斯hermit粒子滤波器，及其测试程序。可以用于目标跟踪。-Gaussian hermit particle filter, and testing procedures. Can be used for target tracking.
The_nonlinear_filtering_algorithm_performance_anal
- 对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较，给出了每种方法的计算复杂度．通过一个非线性非高斯模型进行了仿真，验证了这些算法的性能。-Present the main algorithms of the nonlinear filtering extended Kalman filter, Unscented Kalman filter, particle filter, particle filt
particlefilter
- 用粒子滤波产生各种分布的随机数，包括指数分布、高斯分布、二项分布，用MATLAB实现的-Particle filter with a variety of random number generation, including the exponential distribution, Gaussian distribution, binomial distribution, with a MATLAB implementation
upf_demos
- 粒子滤波改进算法仿真比较，我觉得很好用，大家快下载，贝叶斯滤波适合非线性和非高斯环境，这种非线性统计理论很先进-Improved particle filtering algorithm for simulation and comparison, I feel useful, we quickly download, Bayesian filtering for nonlinear and non-Gaussian environment, which is very advanced sta
particle-filter
- 粒子滤波算法；粒子滤波算法源于Montecarlo的思想，即以某事件出现的频率来指代该事件的概率。因此在滤波过程中，需要用到概率如P(x)的地方，一概对变量x采样，以大量采样的分布近似来表示P(x)。因此，采用此一思想，在滤波过程中粒子滤波可以处理任意形式的概率，而不像Kalman滤波只能处理高斯分布的概率问题。他的一大优势也在于此。-these codes are particle filter resources codes which solve non-linear estimation
GaussianParticleFilter
- 利用高斯算法的粒子滤波器，可以应用于机器人自主定位等应用-Gaussian particle filter algorithm can be used in applications such as robot self-localization
Gaussian Particle Filter
- 高斯粒子滤波的基本实现，有举例，注释详细，便于学者学习