期刊文献+

扩展卡尔曼滤波与粒子滤波性能对比 被引量:21

Comparison of Performance between Extended Kalman Filter and Particle Filter
下载PDF
导出
摘要 在非线性滤波方法中,粒子滤波以其精度均匀且不受模型复杂程度的影响而受到广泛关注。与传统的非线性滤波方法——扩展卡尔曼滤波相比,粒子滤波有着无可替代的优势,但也存在着一些缺陷。本文对这两种非线性滤波算法分别用MATLAB和VC++编程进行模拟仿真,并进行了一系列的比较,从算法原理、计算精度和稳定性、计算速度等方面说明了各自的优缺点和具体的差别。试验结果表明,粒子滤波计算消耗的时间远远大于扩展卡尔曼滤波消耗的时间,并且粒子滤波计算时间随粒子数的增加呈近似级数增长。
出处 《测绘通报》 CSCD 北大核心 2016年第4期10-14,共5页 Bulletin of Surveying and Mapping
基金 国家重点基础研究发展计划(2013CB733205)
  • 相关文献

参考文献15

  • 1赵琳,王小旭,丁继成,曹伟.组合导航系统非线性滤波算法综述[J].中国惯性技术学报,2009,17(1):46-52. 被引量:74
  • 2GORDON N J,SALMOND D J, SMITH A F M. NovelApproach to Nonlinear/Non-Gaussian Bayesian State Es-timation [C] // IEE Proceedings F ( Radar and SignalProcessing). [ S.l. ] : IET Digital Library, 1993.
  • 3毛克诚,孙付平.扩展卡尔曼滤波与采样卡尔曼滤波性能比较[J].海洋测绘,2006,26(5):4-6. 被引量:12
  • 4HAYKIN S E. Kalman Filtering and Neural Networks[M]. New York: John Wiley & Sons, 2001.
  • 5于金霞,刘文静,汤永利.粒子滤波重采样算法研究[J].微计算机信息,2010,26(16):44-45. 被引量:11
  • 6胡士强,敬忠良.粒子滤波算法综述[J].控制与决策,2005,20(4):361-365. 被引量:291
  • 7CHEN Z. Bayesian Filtering: From Kalman Filters toParticle Filters, and Beyond [ J]. Statistics, 2003 , 182(1): 1-6.
  • 8DOUCET A,GODSILL S, ANDRIEU C. On SequentialMonte Carlo Sampling Methods for Bayesian Filtering[J]. Statistics and Computing, 2000, 10(3) : 197-208.
  • 9程水英,张剑云.粒子滤波评述[J].宇航学报,2008,29(4):1099-1111. 被引量:98
  • 10ARULAMPALAM M S, MASKELL S, GORDON N,etal. A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking [ J ]. Signal Process-ing, IEEE Transactions on, 2002,50(2) : 174-188.

二级参考文献132

共引文献465

同被引文献165

引证文献21

二级引证文献57

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部