论文部分内容阅读
用贝叶斯方法求解目标跟踪问题,实质就是求状态的后验概率密度。基于蒙特卡洛仿真技术实现的滤波算法PF可通过带权重的采样点来近似后验概率密度,实现对状态变量的期望和方差的求取。当采样点足够多时,PF算法可产生对待估量的近似最优而非次优的估计。将基于无迹变换技术实现的滤波算法嵌入到PF算法中,可避免在观测精度非常高时PF算法的失效,同时还能提高估计精度。引入了方位角跟踪的实例,在对该例的仿真中比较了PF类算法和传统卡尔曼类滤波算法在解算精度和滤波时间耗费等方面的性能差异。