随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化...
本文的题目是改进的粒子滤波在组合导航中的应用研究。文档可用caj打开。 本课题首先研究了GPS/DR车载定位系统的组合模型，然后在分析了非线性滤波的基础上，引入了粒子滤波。粒子滤波是一种基于递推计算的序列蒙特卡罗算法，它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度，...
针对线性混合信号盲分离时，源信号概率密度与激活函数难以确定时（尤其是源信号中既含超高斯信号，又含亚高斯信号时），依据信号pdf的一种测度--峭度，自适应的确定激活函数，实现信号的盲分离，是一种基于峭度开关的盲分离算法。...
０７年的一个ＩＥＥＥ文献．传统的snake是确定一组参数来调整内外力的平衡，本文应用非参数snake把获得参数这一困难的问题转化为求边界的一个好的概率密度估计问题...
粒子滤波算法受到许多领域的研究人员的重视，该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。在扩展卡尔曼滤波和Unscented卡尔曼滤波算法的基础上，本文提出一种新型粒子滤波算法。首先用Unscented卡尔曼滤波器产生系统的状态估计，然后用扩展卡尔曼滤波器重复这一过程并产生系...
