导读:本文包含了蒙特卡洛粒子滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:高斯粒子滤波,拟蒙特卡洛采样,线性变换,高斯分布
蒙特卡洛粒子滤波论文文献综述
高国栋,林明[1]（2017）在《一种简化的拟蒙特卡洛-高斯粒子滤波算法》一文中研究指出提出了一种简化的拟蒙特卡洛-高斯粒子滤波(QMC-GPF)算法(SQMC-GPF),以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题。该算法中,在连续的迭代滤波过程开始之前,首先利用QMC采样产生单位拟高斯分布粒子集,然后用其线性变换产生GPF算法中需要的高斯分布粒子集,省去了重新进行QMC采样步骤。该算法简化了新粒子集的产生过程,减少了运算量和滤波时间,增强了算法的实时性。将粒子滤波算法(PF)、GPF算法、QMC-GPF算法和SQMCGPF算法用于单变量非静态增长模型(UNGM)和二维纯角度跟踪模型(BOT)的仿真结果表明,SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近,但有更为明显的速度优势,具有重要的实际应用价值。(本文来源于《电讯技术》期刊2017年04期）
罗元,庞冬雪,张毅,苏琴[2]（2016）在《基于自适应多提议分布粒子滤波的蒙特卡洛定位算法》一文中研究指出针对基于Cubature粒子滤波的蒙特卡罗定位(CMCL)算法存在的计算量大、实时处理能力较差的问题,提出一种基于自适应多提议分布粒子滤波的蒙特卡罗定位(AMPD-MCL)算法。该算法利用Cubature卡尔曼滤波和扩展卡尔曼滤波改进提议分布,融入当前观测信息,减弱粒子退化现象;重采样部分采用Kullback-Leibler距离(KLD)采样,根据粒子在状态空间的分布状况,在线调整下一次滤波迭代所需粒子数,从而减小计算量。仿真实验验证了自适应多提议分布粒子滤波(AMPD-PF)的有效性;同时在机器人操作系统(ROS)上进行实验,结果表明改进算法的平均定位精度达到19.891 cm,定位所需粒子数稳定在60,定位时间为45.543 s,较CMCL算法在定位精度上提高了71.03%,时间缩短了63.10%。实验结果表明,AMPD-MCL算法减小了定位误差,能实时在线调整粒子数,有效减少了算法计算量,提高了实时处理能力。(本文来源于《计算机应用》期刊2016年08期）
许伟村,赵清杰,王宇霞,赵留军[3]（2016）在《基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法》一文中研究指出研究复杂背景下的物体跟踪方法.提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法.算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态.所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率.仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.(本文来源于《北京理工大学学报》期刊2016年01期）
任航[4]（2015）在《基于拟蒙特卡洛滤波的改进式粒子滤波目标跟踪算法》一文中研究指出单摄像机视觉跟踪过程中,常发生目标被遮挡或背景复杂的情况,此时容易跟丢目标,为了提高跟踪的准确性。从目标表现和背景的不确定性入手,以协方差特征对目标表现以及背景进行建模,应用到到粒子滤波的框架中,优化采样粒子的分布,在估计粒子的权重时,不仅考虑目标的真实状态和可能状态的相似性,还考虑了目标可能的状态和背景的差异.将提出的算法与粒子滤波,均值漂移,基于协方差概率跟踪算法进行比较,通过MATLAB2010编程平台,比较了几种算法的处理速度以及跟踪误差,试验结果表明,提出的算法每秒处理速度为60帧/s,优于上述3种跟踪算法平均误差值也高于另外3种算法。所提出算法在目标存在遮挡和背景较为复杂时,能够保证对目标进行准确,连续的跟踪。(本文来源于《电子测量与仪器学报》期刊2015年02期）
刘颖,苏俊峰,朱明强[5]（2013）在《基于迭代容积粒子滤波的蒙特卡洛定位算法》一文中研究指出利用容积卡尔曼滤波来设计粒子滤波器的重要性密度函数,并将当前的测量信息迭代到贯序重要性采样(SIS)过程中,进而提出一种基于迭代容积粒子滤波的RSSI(received signal strength indicator)蒙特卡罗定位算法.该算法使用迭代容积粒子滤波对目标位置和无线信道衰减参数同时进行估计,采用迭代的方式对测量方程进行更新,进一步提高无线信道衰减参数的估计精度.仿真结果表明,基于迭代容积粒子滤波的RSSI蒙特卡罗定位算法对比基于无味粒子滤波的RSSI定位算法,能够有效降低室内无线定位的误差.(本文来源于《信息与控制》期刊2013年05期）
陈志敏,薄煜明,吴盘龙,徐文康,刘正凡[6]（2012）在《基于GRNN的拟蒙特卡洛粒子滤波目标跟踪算法》一文中研究指出针对拟蒙特卡洛粒子滤波(QMC-PF)算法计算量大,难以满足雷达目标跟踪实时性需要的问题,提出了一种适用于雷达机动目标跟踪的新型拟蒙特卡洛粒子滤波算法(NQMC-PF).该算法利用QMC方法生成权重较大粒子的低差异性的子代粒子来替换低权重粒子,保证了样本的质量和多样性,同时利用广义回归神经网络(GRNN)计算子代粒子的权重,提高了滤波的精度和速度.实验结果表明,该算法的计算精度高于标准拟蒙特卡洛粒子滤波算法,同时运算时间短,实时性好,能够应用于对雷达目标的跟踪上.(本文来源于《信息与控制》期刊2012年06期）
李庆玲,宋宇[7]（2012）在《Cubature MCL:基于Cubature粒子滤波的移动机器人蒙特卡洛定位算法》一文中研究指出粒子滤波是移动机器人蒙特卡洛定位(Monte Carlo Localization,MCL)中的核心环节。本文针对传统SIR粒子滤波算法存在的粒子退化效应,利用Cubature卡尔曼滤波来精确设计粒子滤波器的提议分布,实现将当前观测信息融入粒子滤波的重要性采样过程,提出Cubatur eMCL算法并结合仿真试验分析了其性能。结果表明,Cubature MCL算法是一种精确鲁棒的移动机器人概率定位方法,可对解决移动机器人的定位问题提供有意义的参考。(本文来源于《第叁十一届中国控制会议论文集C卷》期刊2012-07-25）
张宗[8]（2010）在《基于蒙特卡洛方法的改进粒子滤波算法》一文中研究指出近年来,智能视频监控技术得到了广泛的研究与应用。其中,运动目标检测与跟踪已经成为计算机视觉领域的研究热点。存在着广泛的应用前景。由于实际系统大多是非线性、非高斯的,扩展卡尔曼滤波算法和粒子滤波算法已成为广泛使用的运动目标跟踪算法。本文研究的主要内容是基本粒子滤波算法的原理和特征,以及当前存在的主要问题,对其关键技术进行归纳分析,从以下叁个方面对基本粒子滤波跟踪算法进行改进：一、粒子滤波的主要的计算量都是由粒子的采样和重采样过程带来的,为了减少粒子数,在采样过程中,一边采样,一边判断该粒子是否满足跟踪精度阈值,如满足,则跳跃到下一帧,否则继续采样,直到抽出最大采样数个粒子或重采样。改进后的算法提高了运算效率,节约了运算时间。通过仿真实验和视频的跟踪实验,验证了改进算法在有效实现跟踪的同时,大大提高计算处理实时性。二、本文在扩展卡尔曼粒子滤波(EKPF)中使用多样式重采样,与传统的重要性重采样相比,更大的保证了粒子的多样性以及跟踪的稳定性。仿真实验证明了改进后算法的优越性。叁、因为扩展卡尔曼滤波(EKF)在非线性情况下也可以实现较好的跟踪,而且计算量远小于粒子滤波算法,在以上改进的基础上,本文提出了改进后粒子滤波算法与EKF相结合的复合算法。在复合算法中,每个时刻优先使用EKF跟踪,然后判断是否跟踪上,若跟踪上则跳到下一个时刻,否则引入改进粒子滤波算法。实验证明,某些时刻扩展卡尔曼滤波算法的跟踪结果比粒子滤波还要好,复合算法有效利用这些时刻的跟踪结果,其他时刻采用改进粒子滤波算法的计算结果。实验结果表明,复合算法比单纯使用改进粒子滤波算法的计算效果更好。(本文来源于《北京交通大学》期刊2010-12-01）
李军科,张串,吴建军[9]（2008）在《基于蒙特卡洛方法的高斯混合采样粒子滤波算法研究》一文中研究指出本文提出了一种标准粒子滤波器的改进算法——高斯混合采样粒子滤波算法(GMSPPF)。仿真结果表明,新算法在大幅降低计算复杂度的前提下,具有比标准粒子滤波算法(SIR-PPF)更好估计性能.(本文来源于《计算机与信息技术》期刊2008年Z1期）
李军科,张串,吴建军[10]（2008）在《基于蒙特卡洛方法的粒子滤波算法研究》一文中研究指出针对非线性、非高斯问题,文章详细分析了贝叶斯滤波的原理及其进展。采用近似线性及高斯假设处理,传统的卡尔曼滤波提供了一种很好的解决方案。但是,真实世界的非线性、非高斯问题存在,使得人们不得不寻找一种更好的最优滤波方法。基于随机滤波理论、贝叶斯统计量和蒙特卡洛方法的粒子滤波理论迅速发展,并广泛应用到数字通信、目标跟踪、计算机视觉和机器故障诊断领域。(本文来源于《电脑与信息技术》期刊2008年01期）
蒙特卡洛粒子滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对基于Cubature粒子滤波的蒙特卡罗定位(CMCL)算法存在的计算量大、实时处理能力较差的问题,提出一种基于自适应多提议分布粒子滤波的蒙特卡罗定位(AMPD-MCL)算法。该算法利用Cubature卡尔曼滤波和扩展卡尔曼滤波改进提议分布,融入当前观测信息,减弱粒子退化现象;重采样部分采用Kullback-Leibler距离(KLD)采样,根据粒子在状态空间的分布状况,在线调整下一次滤波迭代所需粒子数,从而减小计算量。仿真实验验证了自适应多提议分布粒子滤波(AMPD-PF)的有效性;同时在机器人操作系统(ROS)上进行实验,结果表明改进算法的平均定位精度达到19.891 cm,定位所需粒子数稳定在60,定位时间为45.543 s,较CMCL算法在定位精度上提高了71.03%,时间缩短了63.10%。实验结果表明,AMPD-MCL算法减小了定位误差,能实时在线调整粒子数,有效减少了算法计算量,提高了实时处理能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蒙特卡洛粒子滤波论文参考文献
[1].高国栋,林明.一种简化的拟蒙特卡洛-高斯粒子滤波算法[J].电讯技术.2017
[2].罗元,庞冬雪,张毅,苏琴.基于自适应多提议分布粒子滤波的蒙特卡洛定位算法[J].计算机应用.2016
[3].许伟村,赵清杰,王宇霞,赵留军.基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法[J].北京理工大学学报.2016
[4].任航.基于拟蒙特卡洛滤波的改进式粒子滤波目标跟踪算法[J].电子测量与仪器学报.2015
[5].刘颖,苏俊峰,朱明强.基于迭代容积粒子滤波的蒙特卡洛定位算法[J].信息与控制.2013
[6].陈志敏,薄煜明,吴盘龙,徐文康,刘正凡.基于GRNN的拟蒙特卡洛粒子滤波目标跟踪算法[J].信息与控制.2012
[7].李庆玲,宋宇.CubatureMCL:基于Cubature粒子滤波的移动机器人蒙特卡洛定位算法[C].第叁十一届中国控制会议论文集C卷.2012
[8].张宗.基于蒙特卡洛方法的改进粒子滤波算法[D].北京交通大学.2010
[9].李军科,张串,吴建军.基于蒙特卡洛方法的高斯混合采样粒子滤波算法研究[J].计算机与信息技术.2008
[10].李军科,张串,吴建军.基于蒙特卡洛方法的粒子滤波算法研究[J].电脑与信息技术.2008