目标常用跟踪算法——PF篇

Nickyfks

已于 2022-11-17 13:20:56 修改

阅读量1.3k

点赞数 1

分类专栏：目标运动分析文章标签：粒子滤波贝叶斯估计非线性系统仿真分析重采样方法

于 2022-10-22 16:29:37 首次发布

本文链接：https://blog.csdn.net/zya1223/article/details/127461936

版权

11 篇文章 15 订阅

订阅专栏

1.粒子滤波算法

粒子滤波算法(Particle Filter, PF)算法是一种基于贝叶斯递归估计的序贯蒙特卡洛模拟方法，其核心思想是利用一些随机样本，即“粒子”来表示系统随机变量的后验概率密度，以得到基于物理模型的近似最优数值解，而不是对近似模型进行最优滤波，因而适用于强非线性非高斯噪声系统模型的滤波。

仿真条件：

假设一目标在二维平面内做匀速直线运动，观测站处于原点且保持静止，无站址误差。观测站可以实时测量到目标与观测站之间的距离以及方位角(北偏东)。蒙特卡洛仿真10次，并将RMSE与CRLB进行对比。PF选取5000个粒子。重采样方法选用系统重采样方法。

	目标初始状态	量测误差	过程噪声
二维	(-1000m,1000m,20m/s,-8m/s)	100m，1°	1e-4m/s2

王可东. Kalman滤波基础及Matlab仿真 [M]. 北京航空航天大学出版社, 2019.

张程振, 丁元明, 杨阳. 水下目标跟踪粒子滤波算法性能分析 [J]. 火力与指挥控制, 2022, 47(02): 18-24.

关注

专栏目录