particle filter粒子滤波

粒子滤波可以用在非高斯分布下的线性和非线性系统。卡尔曼只能用在高斯线性系统，扩展卡尔曼和无迹卡尔曼可以用在高斯非线性系统。适应的场景：KF<-EKF<-UKF<-PF

基本步骤：

1、重要性采样

2、更新权值

3、重采样

4、状态估计

代码实现：

%粒子滤波N = 200;
Q = 5;
R = 5;
T = 30;
theta = pi / T;
distance = 95 / T;
WorldSize = 100;
X = zeros(2, T);
Z = zeros(2, T);
P = zeros(2, N);
PCenter = zeros(2, T);
w = zeros(N, 1);
err = zeros(1, T);
X(:, 1) = [50 ; 20];
Z(:, 1) = [50 ; 20] + wgn(2, 1, 20 * log10(R));%初始化粒子集
for i = 1 : NP(:, i) = [WorldSize * rand; WorldSize * rand];%初始化粒子集dist = norm(P(:, i) - Z(:, i));w(i) = (1 / sqrt(R) / sqrt(2 * pi)) * exp(-(dist)^2 / 2 / R);%权重初始化
end% 粒子滤波过程
for k = 2 : TX(:, k) = X(:, k-1) + distance * [(-cos(k * theta)); sin(k * theta)] + wgn(2, 1, 10 * log10(Q));% 状态更新Z(:, K) = X(:, k) + wgn(2, 1, 10 * log10(R)); % 观测更新for i = 1 : NP(:, 1) = P(:, i) + distance * [(-cos(k * theta)); sin(k * theta)] + wgn(2, 1, 10 * log10(R));dist = norm(P(:, i) - Z(:, i));w(i) = (1 / sqrt(R) / sqrt(2 * pi)) * exp(-(dist) ^ 2 / 2 / R); % 权重更新endwsum = sum(w);for i = 1 : Nw(i) = w(i) / wsum;% 权重归一化end% 重采样for i = 1 : Nwmax = 2 * max(w) * rand;index = randi(N, 1);while(wmax > w(index))wmax = wmax - w(index);index = index + 1;if index > Nindex = 1;endendP(:, i) = p(:, index);endPCenter(:, k) = sum(P, 2) / N;err(k) = norm(X(:, k) - PCenter(:, k));
end

particle filter粒子滤波相关推荐

Particle Filter 粒子滤波
Particle Filter 粒子滤波贝叶斯滤波重要性采样 Sequential Importance Sampling (SIS) Filter 重采样 Sampling Importance ...
Particle Filter Tutorial 粒子滤波：从推导到应用（四）
六.Sampling Importance Resampling Filter (SIR) SIR滤波器很容易由前面的基本粒子滤波推导出来,只要对粒子的重要性概率密度函数做出特定的选择即可.在SIR中 ...
[转]粒子滤波（particle filtering）的思路发展过程及应用（详细深度好文）
粒子滤波作为视觉SLAM中后端进行状态估计的主要算法之一,很好的完成了扩展卡尔曼滤波无法有效处理的复杂状态方程下的状态估计任务.这篇文章详细地描述了粒子滤波的思想历程,即如何一步步从简单的状态估计.采 ...
自动驾驶定位技术-粒子滤波实践
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者:william 链接:https://zhuanlan.zhihu.com/p/12852163 ...
java 粒子滤波_粒子滤波 - gary_123 - 博客园
跟着博主http://blog.csdn.net/heyijia0327/article/details/40899819一起学习尽管利用高斯逼近能有效解决许多滤波问题,但当滤波分布为多模型或某些状 ...
particle filtering---粒子滤波
particle filtering---粒子滤波一.贝叶斯滤波二.蒙特卡洛采样三.重要性采样四.Sequential Importance Sampling (SIS) Filter 五.重 ...
粒子滤波的推导到应用
本文转自 http://blog.csdn.net/heyijia0327, Particle Filter Tutorial 粒子滤波:从推导到应用系列一.贝叶斯滤波假设有一个系统,我们知道它的 ...
高斯粒子滤波matlab,粒子滤波(Particle filter)matlab实现 | 学步园
粒子滤波是以贝叶斯推理和重要性采样为基本框架的.因此,想要掌握粒子滤波,对于上述两个基本内容必须有一个初步的了解.贝叶斯公式非常perfect,但是在实际问题中,由于变量维数很高,被积函数很难积分,常 ...
Particle Filter Tutorial 粒子滤波：从推导到应用（三）
五.重采样在应用SIS 滤波的过程中,存在一个退化的问题.就是经过几次迭代以后,很多粒子的权重都变得很小,可以忽略了,只有少数粒子的权重比较大.并且粒子权值的方差随着时间增大,状态空间中的有效粒子数 ...

particle filter粒子滤波

基本步骤：

代码实现：

particle filter粒子滤波相关推荐

最新文章

热门文章