粒子濾波算法原理及Matlab程序?qū)ｎ}

1、粒子濾波算法原理及粒子濾波算法原理及Matlab程序程序主講： 方牛娃QQ: 3451941121、粒子濾波的發(fā)展歷史 90年代初，Gordon、Salmond、和Smith所提出的重采樣（Resampling）技術(shù) 。 90年中期，計(jì)算機(jī)的計(jì)算能力的提高 近年來的新技術(shù)，EPF、UPF、RBPF等 新的應(yīng)用領(lǐng)域：目標(biāo)定位和跟蹤、圖像處理、語音處理、故障檢測(cè)、經(jīng)濟(jì)數(shù)據(jù)處理2、蒙特卡洛原理粒子濾波技術(shù)是以蒙特卡洛為基礎(chǔ)的蒙特卡洛：用實(shí)驗(yàn)?zāi)M的方法解決復(fù)雜的積分計(jì)算問題硬幣投擲實(shí)驗(yàn)（1） 擲一枚均勻硬幣，正面朝上的次數(shù)X服從參數(shù)為，p的二項(xiàng)分布,XB(1,p) 在Matlab中編輯.m文件輸入以下

2、命令：function cion_throw_test1p=0.3; % 正面朝上的概率m=1000; % 實(shí)驗(yàn)次數(shù)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); % 服從二項(xiàng)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應(yīng)用2sinlX應(yīng)用說明：利用蒙特卡洛模擬計(jì)算圓周率 方法解決：假設(shè)平面上有無數(shù)條距離為1的等距平行線，現(xiàn)向該平面隨機(jī)投擲一根長(zhǎng)度為l的針(l1)，則我們可計(jì)算該針與任一平行線

3、相交的概率。這里，隨機(jī)投針指的是：針的中心點(diǎn)與最近的平行線間的距離X均勻地分布在區(qū)間0,1/2上，針與平行線的夾角（不管相交與否）均勻的分布在區(qū)間0,上。此時(shí)，針與線相交的充要條件是 ldxdwlXPpl22sin20sin20 從而針線相交的概率為：2、蒙特卡洛% 說明：利用蒙特卡洛模擬計(jì)算圓周率%function buffon_testl=0.6; m=10000; % 實(shí)驗(yàn)次數(shù)buffon(l,m); %function piguji=buffon(llength,mm)%llength 是針的長(zhǎng)度%mm 是隨機(jī)實(shí)驗(yàn)次數(shù)frq=0;xrandnum = unifrnd(0,0.5,1,m

4、m);phi= unifrnd(0,pi,1,mm);for ii=1:mm if (xrandnum(1,ii)260 N=260; % 濾除大于260以后的數(shù)字end參考資料目 錄第一部分 原理篇 1第一章 概述 11.1 粒子濾波的發(fā)展歷史 11.2 粒子濾波的優(yōu)缺點(diǎn) 21.3 粒子濾波的應(yīng)用領(lǐng)域 3第二章 蒙特卡洛方法 42.1 概念和定義 42.2 蒙特卡洛模擬仿真程序 52.2.1硬幣投擲實(shí)驗(yàn)（1） 52.2.2硬幣投擲實(shí)驗(yàn)（2） 52.2.3古典概率實(shí)驗(yàn) 64.2.4幾何概率模擬實(shí)驗(yàn) 72.2.5復(fù)雜概率模擬實(shí)驗(yàn) 72.3 蒙特卡洛理論基礎(chǔ) 102.3.1大數(shù)定律 102.3.2

5、中心極限定律 102.3.3蒙特卡洛的要點(diǎn) 112.4 蒙特卡洛方法的應(yīng)用 132.4.1 Buffon實(shí)驗(yàn)及仿真程序 132.4.2 蒙特卡洛方法計(jì)算定積分的仿真程序 14第三章 粒子濾波 193.1 粒子濾波概述 193.1.1 蒙特卡洛采樣原理 193.1.2 貝葉斯重要性采樣 203.1.3 序列重要性抽樣（SIS）濾波器 203.1.4 Bootstrap/SIR濾波器 223.2 粒子濾波重采樣方法實(shí)現(xiàn)程序 233.2.1 隨機(jī)重采樣程序 243.2.2 多項(xiàng)式重采樣程序 253.2.3 系統(tǒng)重采樣程序 263.2.4 殘差重采樣程序 273.3 粒子濾波原理 283.3.1 高斯

6、模型下粒子濾波的實(shí)例程序 28參考資料第二部分 應(yīng)用篇 33第四章 粒子濾波在單目標(biāo)跟蹤中的應(yīng)用 334.1 目標(biāo)跟蹤過程描述 334.2 單站單目標(biāo)跟蹤系統(tǒng)建模 344.3 單站單目標(biāo)觀測(cè)距離的系統(tǒng)及仿真程序 374.3.1 基于距離的系統(tǒng)模型 374.3.2 基于距離的跟蹤系統(tǒng)仿真程序 384.4 單站單目標(biāo)純方位角度觀測(cè)系統(tǒng)及仿真程序 434.4.1 純方位目標(biāo)跟蹤系統(tǒng)模型 434.4.2 純方位跟蹤系統(tǒng)仿真程序 444.5 多站單目標(biāo)純方位角度觀測(cè)系統(tǒng)及仿真程序 474.5.1 多站純方位目標(biāo)跟蹤系統(tǒng)模型 474.5.2 多站純方位跟蹤系統(tǒng)仿真程序 48第五章 粒子濾波在多目標(biāo)跟蹤中的應(yīng)用 545.1 多目標(biāo)跟蹤系統(tǒng)建模 545.1.1 單站多目標(biāo)跟蹤系統(tǒng)建模 545.1.2 多站多目標(biāo)跟蹤系統(tǒng)建模 555.1.3 單站多目標(biāo)線性跟蹤系統(tǒng)的建模仿真程序 555.1.4 多站多目標(biāo)非線性跟蹤系統(tǒng)的建模仿真程序 575.2 多目標(biāo)跟蹤分類算法 615.2.1 多目標(biāo)數(shù)據(jù)融合概述 615.2.2 近鄰法分類算法及程序 625.2.3 近鄰法用于目標(biāo)跟蹤中的航跡關(guān)聯(lián)及算法程序 665.2.4 K-近鄰法分類算法 695.3 粒子濾波用于多目標(biāo)跟算法中的狀態(tài)估計(jì) 705.3