内容简介
内 容简介
本书系统介绍粒子滤波算法的基本原理和关键技术，针对标准粒子滤
波算法存在的粒子退化、计算量大的缺点介绍了多种改进的粒子滤波算法，
包括基于重要性密度函数选择的粒子滤波算法、基于重采样技术的粒子滤
波算法、基于智能优化思想的粒子滤波算法、自适应粒子滤波算法、流形粒
子滤波算法等，并将粒子滤波算法应用于机动目标跟踪、语音增强、传感器
故障诊断、人脸跟踪等领域，最后探讨了粒子滤波算法的硬件实现问题，给
出了基于dsp和fpga的粒子滤波算法实现方法。
本书可供高等院校电子信息、自动化、计算机应用、应用数学等有关专
业高年级本科生和研究生，以及从事控制科学与工程、信号与信息处理领域
的工程技术人员和研究人员参考阅读。
目录
前言
第一�?粒子滤波算法
�?�?绪论
1.1 粒子滤波的发展和应用
1.2 粒子滤波的缺点和现有的解决方�?
�?�?Kalman滤波理论
2.1 标准Kalman滤波算法
2.2 α-β-γ滤波�?
2.3 EKF滤波算法
2.4 MVEKF算法
2.5 UKF算法
�?�?从贝叶斯理论到粒子滤�?
3.1 动态空间模�?
3.2 贝叶斯估计理�?
3.3 蒙特卡罗积分
3.4 序贯蒙特卡罗信号处理
3.5 粒子滤波
�?�?基于重要密度函数选择的改进粒子滤波算�?
4.1 GHPF
4.2 EKPF
4.3 UPF
4.4 IMMPF算法
4.5 二阶中心差分粒子滤波
4.6 基于Stiefel流形的粒子滤波器研究
4.7 混合退火粒子滤波器研究
�?�?基于重采样技术的改进粒子滤波算法
5.1 重要性重采样粒子滤波�?
5.2 基于MCMC的粒子滤�?
5.3 AVPF
5.4 RPF
5.5 核K-粒子滤波算法(KPF)
5.6 基于权值选择的粒子滤波算�?
5.7 线性优化重采样粒子滤波算法
5.8 基于Stiefel流形和权值优选的粒子滤波�?SM-WSPF)研究
5.9 基于Stiefel流形和线性优化重采样的粒子滤波器(SM-LOCR-PF)研究
5.10 其他常用的重采样方法
5.11仿真分析
�?�?基于智能优化思想的粒子滤波算�?
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
�?�?基于神经网络的粒子滤波算�?
7.1 基于神经网络的重要性权值调整粒子滤�?NNWA-PF)算法
7.2 基于神经网络的重要性样本调整粒子滤�?NNISA-PF)算法
7.3 仿真分析
�?�?APF算法
8.1 似然分布自适应调整
8.2 样本数..
北京市公安局丰台分局备案编号：1101080539 
