《粒子滤波算法原理及Matlab程序专题.ppt》由会员分享，可在线阅读，更多相关《粒子滤波算法原理及Matlab程序专题.ppt（17页珍藏版）》请在第壹文秘上搜索。
1、粒子滤波算法原理及粒子滤波算法原理及Matlab1、粒子滤波的发展历史 90年代初，Gordon、Salmond、和Smith所提出的重采样（Resampling）技术。90年中期，计算机的计算能力的提高 近年来的新技术，EPF、UPF、RBPF等 新的应用领域：目标定位和跟踪、图像处理、语音处理、故障检测、经济数据处理2、蒙特卡洛原理粒子滤波技术是以蒙特卡洛为基础的蒙特卡洛：用实验模拟的方法解决复杂的积分计算问题硬币投掷实验（1）掷一枚均匀硬币，正面朝上的次数X服从参数为，p的二项分布,XB(1,p)在Matlab中编辑.m文件输入以下命令：function cion_throw_test1
2、p=0.3;%正面朝上的概率m=1000;%实验次数fun(p,m);%修改不同的p,m值function fun(p,mm)pro=zeros(1,mm);randnum=binornd(1,p,1,mm);%服从二项分布a=0;020040060080010000.10.20.30.40.50.60.70.80.912、蒙特卡洛原理蒙特卡洛的应用2sinlX应用说明：利用蒙特卡洛模拟计算圆周率 方法解决：假设平面上有无数条距离为1的等距平行线，现向该平面随机投掷一根长度为l的针(l1)，则我们可计算该针与任一平行线相交的概率。这里，随机投针指的是：针的中心点与最近的平行线间的距离X均匀地分
3、布在区间0,1/2上，针与平行线的夹角（不管相交与否）均匀的分布在区间0,上。此时，针与线相交的充要条件是 ldxdwlXPpl22sin20sin20 从而针线相交的概率为：2、蒙特卡洛%说明：利用蒙特卡洛模拟计算圆周率%function buffon_testl=0.6;m=10000;%实验次数buffon(l,m);%function piguji=buffon(llength,mm)%llength 是针的长度%mm 是随机实验次数frq=0;xrandnum=unifrnd(0,0.5,1,mm);phi=unifrnd(0,pi,1,mm);for ii=1:mm if(xran
4、dnum(1,ii)260 N=260;%滤除大于260以后的数字end参考资料目 录第一部分 原理篇 1第一章 概述 11.1 粒子滤波的发展历史 11.2 粒子滤波的优缺点 21.3 粒子滤波的应用领域 3第二章 蒙特卡洛方法 42.1 概念和定义 42.2 蒙特卡洛模拟仿真程序 52.2.1硬币投掷实验（1）52.2.2硬币投掷实验（2）52.2.3古典概率实验 64.2.4几何概率模拟实验 72.2.5复杂概率模拟实验 72.3 蒙特卡洛理论基础 102.3.1大数定律 102.3.2中心极限定律 102.3.3蒙特卡洛的要点 112.4 蒙特卡洛方法的应用 132.4.1 Buffo
5、n实验及仿真程序 132.4.2 蒙特卡洛方法计算定积分的仿真程序 14第三章 粒子滤波 193.1 粒子滤波概述 193.1.1 蒙特卡洛采样原理 193.1.2 贝叶斯重要性采样 203.1.3 序列重要性抽样（SIS）滤波器 203.1.4 Bootstrap/SIR滤波器 223.2 粒子滤波重采样方法实现程序 233.2.1 随机重采样程序 243.2.2 多项式重采样程序 253.2.3 系统重采样程序 263.2.4 残差重采样程序 273.3 粒子滤波原理 283.3.1 高斯模型下粒子滤波的实例程序 28参考资料第二部分 应用篇 33第四章 粒子滤波在单目标跟踪中的应用 33
6、4.1 目标跟踪过程描述 334.2 单站单目标跟踪系统建模 344.3 单站单目标观测距离的系统及仿真程序 374.3.1 基于距离的系统模型 374.3.2 基于距离的跟踪系统仿真程序 384.4 单站单目标纯方位角度观测系统及仿真程序 434.4.1 纯方位目标跟踪系统模型 434.4.2 纯方位跟踪系统仿真程序 444.5 多站单目标纯方位角度观测系统及仿真程序 474.5.1 多站纯方位目标跟踪系统模型 474.5.2 多站纯方位跟踪系统仿真程序 48第五章 粒子滤波在多目标跟踪中的应用 545.1 多目标跟踪系统建模 545.1.1 单站多目标跟踪系统建模 545.1.2 多站多目
7、标跟踪系统建模 555.1.3 单站多目标线性跟踪系统的建模仿真程序 555.1.4 多站多目标非线性跟踪系统的建模仿真程序 575.2 多目标跟踪分类算法 615.2.1 多目标数据融合概述 615.2.2 近邻法分类算法及程序 625.2.3 近邻法用于目标跟踪中的航迹关联及算法程序 665.2.4 K-近邻法分类算法 695.3 粒子滤波用于多目标跟算法中的状态估计 705.3.1 原理介绍 705.3.2 基于近邻法的多目标跟踪粒子滤波程序 71第六章 粒子滤波在电池寿命预测中的应用 766.1 概述 766.2 电池寿命预测的模型 786.3 基于粒子滤波的电池寿命预测仿真程序 81
