排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。 相似文献
2.
针对非线性、非高斯系统状态的在线估计问题,提出了一种新的高精度粒子滤波算法。该算法通过引入积分修正因子,对积分卡尔曼滤波器的积分点进行在线修正,并采用修正后的积分卡尔曼滤波产生优选的建议分布函数,由于高精度地融入最新量测信息,一定程度上克服了权值退化问题。仿真实验表明,新算法具有较高的滤波精度,是一种有效的非线性滤波算法。 相似文献
3.
多速率FIR滤波器是数字下变频的核心技术之一。由于高阶FIR数字滤波器使用了大量的乘法单元,在FPGA中将占用大量的逻辑资源(LE),这极大的限制了FPGA的设计。根据多倍抽取FIR滤波器的特性,提出了一种分时复用乘法单元以减少逻辑资源使用量的改进算法,大量节约了FPGA的逻辑资源。通过FPGA设计实现,在Quartus II中综合仿真结果中可以验证,设计基本达到预期效果,在满足设计要求的前提下,实现了节约逻辑资源的目的。 相似文献
4.
噪声未知情况下的自适应无迹粒子滤波算法 总被引:1,自引:0,他引:1
为了有效地解决系统噪声未知情况下的目标跟踪问题,提出了一种自适应无迹粒子滤波算法。该算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹卡尔曼滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明:本文方法明显地改善了系统噪声未知情况下目标的跟踪精度和稳定性。 相似文献
5.
基于修正积分卡尔曼粒子滤波的自适应目标跟踪算法 总被引:1,自引:0,他引:1
针对当前粒子滤波权值退化问题以及精度与时耗的矛盾,提出了一种新的高精度自适应粒子滤波算法。该算法综合考虑优选建议分布函数和重采样两种并行改进滤波性能的方法:首先,在积分卡尔曼滤波(QKF)的基础上引入修正因子,通过修正的积分卡尔曼滤波(PQKF)产生优选的建议分布函数,较好地克服了粒子退化现象,在提高滤波精度的同时降低了运算量;在重采样阶段,通过引入系统估计和预测提供的新息差值在线自适应调整采样粒子数,较好地保证了粒子采样的高效性和算法的实时性。实验表明,新算法具有高精度、低时耗的优点,是一种高精度自适应粒子滤波算法。 相似文献
1