导读:本文包含了粒子滤波法论文开题报告文献综述及选题提纲参考文献，主要关键词:目标跟踪,压缩感知,稀疏子空间,稀疏表示
粒子滤波法论文文献综述
贺若彬,武德安,吴磊,岳翰[1]（2016）在《稀疏子空间的粒子滤波法在目标跟踪中的应用》一文中研究指出针对目标跟踪算法中对光流变化较敏感、对目标的内蕴变形以及外观变化鲁棒性低等问题,将压缩感知理论及稀疏子空间表示方法应用于目标跟踪。对跟踪目标压缩采样,根据压缩感知原理采样后的信号在较高的概率下保持原有的信息量的特点,为目标跟踪提供足够的信息保证,利用鲁棒主成分分析(robust PCA,RPCA)方法提取压缩采样目标的稀疏主成分;在粒子滤波理论框架下实现跟踪过程,利用过去连续时间序列下目标的状态估计当前时刻目标的状态;在对目标所在的稀疏子空间更新的处理中,利用子空间与候选目标的相似性更新子空间。实验结果表明,该算法具有较强的鲁棒性,较好地满足了实时性要求。(本文来源于《计算机工程与设计》期刊2016年11期）
吴姝,刘思峰[2]（2011）在《基于高斯粒子滤波法的C IR利率期限结构估计》一文中研究指出为了提高C IR利率期限结构模型中的状态估计精度,建立了该问题的离散非线性滤波模型,采用高斯粒子滤波法进行状态近似最优估计。相对于文献中普遍采用的扩展卡尔曼滤波方法,高斯粒子滤波法避免了线性近似带来的误差,利用基于重要性采样得到的高斯分布来近似状态变量的后验分布,具有更强的状态估计能力。仿真实验比较了高斯粒子滤波和扩展卡尔曼滤波两种非线性估计法,结果表明,基于高斯粒子滤波的C IR滤波模型更准确地描述了利率期限结构的动态变化特征。(本文来源于《数据采集与处理》期刊2011年06期）
詹武平,肖同林,吴艳琴[3]（2011）在《改进的迭代粒子滤波法在GPS数据处理中的应用》一文中研究指出研究粒子滤波方法(PF)处理GPS测量数据。采用迭代Kalman滤波方法产生粒子滤波器中的粒子,得到更精确的目标状态估计。同时利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史观测数据确定各粒子的权值,降低观测随机误差的影响,从而提高粒子滤波器的性能。采用改进的粒子滤波方法处理GPS测量数据,仿真结果表明,改进的粒子滤波方法提高了目标外弹道定位精度,可以应用在GPS测量数据的处理中。(本文来源于《遥测遥控》期刊2011年02期）
庄泽森,张建秋,尹建君[4]（2008）在《混合线性/非线性模型的准高斯Rao-Blackwellized粒子滤波法》一文中研究指出针对混合线性/非线性模型,提出一种新的递推估计滤波算法,称为准高斯Rao-Blackwellized粒子滤波器(Q-GRBPF)。算法采用Rao-Blackwellized思想,将线性状态与非线性状态进行分离,对非线性状态运用准高斯粒子滤波(Q-GPF)算法进行估计,并将其后验分布近似为单个高斯分布,再利用非线性状态的估计值对线性状态进行卡尔曼滤波(KF)估计。将Q-GRBPF应用于目标跟踪的仿真结果表明,与Rao-Blackwellized粒子滤波器(RBPF)相比,Q-GRBPF在保证估计精度的前提下有效降低了计算复杂度,计算时间约为RBPF的58%;与Q-GPF相比,x坐标与y坐标的估计精度分别提升了45%和30%,而计算时间也节省了约30%。(本文来源于《航空学报》期刊2008年02期）
尹建君,Mike,Klaas[5]（2007）在《混合线性/非线性状态空间模型的边缘Rao-Blackwellized粒子滤波法(英文)》一文中研究指出本文提出了边缘 Rao-Blackwellized 粒子滤波器(marginal Rao-Blackwellized particle filter, MRBPF)算法,算法融合了 Rao-Blackwellized 粒子滤波器(Rao-Blackwellized particle filter , RBPF)算法和边缘粒子滤波器(marginal particle filter, MPF)算法。算法中状态被分为线形和非线性两部分,分别用 MPF 和卡尔曼滤波器(Kalman Filter)进行估计。地形辅助导航(terrain aided navigation, TAN)的仿真结果表明,与 RBPF 相比,提出算法的非线性状态估计的误差均方根(root mean square error, RMSE)和误差方差分别降低了约 29%和 96%,独立粒子数提高了约80%,获得了更好的收敛结果。分析表明,现有RBPF是MRBPF的一个特例。(本文来源于《Chinese Journal of Aeronautics》期刊2007年04期）
粒子滤波法论文开题报告
（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：
为了提高C IR利率期限结构模型中的状态估计精度,建立了该问题的离散非线性滤波模型,采用高斯粒子滤波法进行状态近似最优估计。相对于文献中普遍采用的扩展卡尔曼滤波方法,高斯粒子滤波法避免了线性近似带来的误差,利用基于重要性采样得到的高斯分布来近似状态变量的后验分布,具有更强的状态估计能力。仿真实验比较了高斯粒子滤波和扩展卡尔曼滤波两种非线性估计法,结果表明,基于高斯粒子滤波的C IR滤波模型更准确地描述了利率期限结构的动态变化特征。
（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。
粒子滤波法论文参考文献
[1].贺若彬,武德安,吴磊,岳翰.稀疏子空间的粒子滤波法在目标跟踪中的应用[J].计算机工程与设计.2016
[2].吴姝,刘思峰.基于高斯粒子滤波法的CIR利率期限结构估计[J].数据采集与处理.2011
[3].詹武平,肖同林,吴艳琴.改进的迭代粒子滤波法在GPS数据处理中的应用[J].遥测遥控.2011
[4].庄泽森,张建秋,尹建君.混合线性/非线性模型的准高斯Rao-Blackwellized粒子滤波法[J].航空学报.2008
[5].尹建君,Mike,Klaas.混合线性/非线性状态空间模型的边缘Rao-Blackwellized粒子滤波法(英文)[J].ChineseJournalofAeronautics.2007