《基于传声器阵列网络的改进高斯粒子跟踪算法》PDF+DOC
作者:江潇潇,杨旭光,赵鲁阳,王营冠
单位:中国电子科技集团公司第四十九研究所
出版:《传感器与微系统》2012年第03期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFCGQJ2012030160
DOC编号:DOCCGQJ2012030169
下载格式:PDF + Word/doc 文字可复制、可编辑
《非高斯条件下基于粒子滤波的目标跟踪》PDF+DOC2004年第12期 胡洪涛,敬忠良,李安平,胡士强
《改进粒子滤波的无线传感器网络目标跟踪算法》PDF+DOC2016年第07期 丁婷婷,高美凤
《WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法》PDF+DOC2017年第01期 陈晓飞,凌有铸,陈孟元
《雷达对再入机动目标跟踪算法研究》PDF+DOC1998年第01期 崔乃刚,林晓辉,奚敏
《基于预测的动态分簇目标跟踪算法》PDF+DOC2013年第03期 向智,郭松涛
《密集杂波环境下数据融合估计算法评估》PDF+DOC2013年第03期 孙焱,马存宝,陈杰
《多传感器粒子滤波融合跟踪算法》PDF+DOC2010年第32期 李龙,秦超英
《基于声学传感器的目标跟踪扩展算法》PDF+DOC2007年第07期 魏泽峰,聂超,邵立康,陶卿
《分布式星球车定位及算法》PDF+DOC2007年第09期 朱铭,陈国斌,刘济林
《多种异类传感器联合跟踪的异步航迹融合算法》PDF+DOC2014年第02期 王越,周德云,杨维,薄拾
针对传声器阵列网络中目标跟踪的特点,建立了基于声阵列网络的目标跟踪模型,在此基础上,提出了一种改进的高斯粒子滤波(GPF)算法。该算法将扩展卡尔曼滤波的状态更新方法引入到GPF算法中,并通过直接更新状态量的高斯分布参数来取代传统GPF中逐个更新粒子的方法。通过蒙特—卡罗仿真结果表明:与扩展卡尔曼粒子滤波(EPF)和传统的GPF算法相比,该算法表现出较高的精度和稳定性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。