10.3969/j.issn.1002-0640.2008.03.002
参数和非参数滤波算法在贝叶斯估计问题中的比较
在贝叶斯估计问题中常用的滤波算法有两大类,一类是适用于非线性问题的,在卡尔曼滤波算法基础上发展出来的各种参数滤波算法,如扩展的卡尔曼滤波,拟线性卡尔曼滤波及近年提出的基于Unscented变换的Unscented卡尔曼滤波算法等;另一类是基于蒙特卡洛仿真技术的非参数滤波算法--粒子滤波.两类跟踪算法在实际问题中都得到了广泛应用.从原理上对这两类算法中的四种具体算法进行了介绍,重点分析了每种算法的长处及不足,可为实际应用中算法的选择提供依据.
贝叶斯估计、粒子滤波、Unscented卡尔曼滤波、拟线性、扩展卡尔曼滤波
33
TP30(计算技术、计算机技术)
2008-05-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
4-8