粒子濾波算法及其套用

內容簡介

本書系統介紹粒子濾波算法的基本原理和關鍵技術，針對標準粒子濾波算法存在的粒子退化、計算量大的缺點介紹了多種改進的粒子濾波算法，包括基於重要性密度函式選擇的粒子濾波算法、基於重採樣技術的粒子濾波算法、基於智慧型最佳化思想的粒子濾波算法、自適應粒子濾波算法、流形粒子濾波算法等，並將粒子濾波算法套用於機動目標跟蹤、語音增強、感測器故障診斷、人臉跟蹤等領域，最後探討了粒子濾波算法的硬體實現問題，給出了基於DSP和FPCA的粒子濾波算法實現方法。

圖書目錄

前言

第一篇粒子濾波算法

第1章緒論

1.1 粒子濾波的發展和套用

1.2 粒子濾波的缺點和現有的解決方法

第2章 Kalman濾波理論

2.1 標準Kalman濾波算法

2.2 α-β-γ濾波器

2.3 EKF濾波算法

2.4 MVEKF算法

2.5 UKF算法

第3章從貝葉斯理論到粒子濾波

3.1 動態空間模型

3.2 貝葉斯估計理論

3.3 蒙特卡羅積分

3.4 序貫蒙特卡羅信號處理

3.5 粒子濾波

第4章基於重要密度函式選擇的改進粒子濾波算法

4.1 GHPF

4.2 EKPF

4.3 UPF

4.4 IMMPF算法

4.5 二階中心差分粒子濾波

4.6 基於Stiefel流形的粒子濾波器研究

4.7 混合退火粒子濾波器研究

第5章基於重採樣技術的改進粒子濾波算法

5.1 重要性重採樣粒子濾波器

5.2 基於MCMC的粒子濾波

5.3 AVPF

5.4 RPF

5.5 核K-粒子濾波算法(KPF)

5.6 基於權值選擇的粒子濾波算法

5.7 線性最佳化重採樣粒子濾波算法

5.8 基於Stiefel流形和權值優選的粒子濾波器(SM-WSPF)研究

5.9 基於Stiefel流形和線性最佳化重採樣的粒子濾波器(SM-LOCR-PF)研究

5.10 其他常用的重採樣方法

5.11仿真分析

第6章基於智慧型最佳化思想的粒子濾波算法

6.1 GPF算法

6.2 PSO-PF算法

6.3 AFSA-PF算法

6.4 AIPF算法

6.5 仿真分析

第7章基於神經網路的粒子濾波算法

7.1 基於神經網路的重要性權值調整粒子濾波(NNWA-PF)算法

7.2 基於神經網路的重要性樣本調整粒子濾波(NNISA-PF)算法

7.3 仿真分析

第8章 APF算法

8.1 似然分布自適應調整

粒子濾波算法及其套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條