论文部分内容阅读
序贯蒙特卡罗概率假设密度(SMC—PHD)滤波算法由于需要大量粒子参与,导致其存在效率低、估计精度不高等问题。文中以序贯蒙特卡罗概率假设密度滤波算法为框架,利用最新量测集中的量测信息与目标粒子的单步预测状态的似然值,通过概率选取量测值,之后进行概率假设滤波算法的更新。仿真的结果表明,与现有序列蒙特卡罗概率假设密度滤波算法相比,在相同仿真条件下新算法的估计精度显著提高。