论文部分内容阅读
非线性估计领域的经典算法是扩展Kalman滤波（EKF），它采用了Taylor展开的线性变换来近似非线性模型，因而存在计算量大、实时性差、估计精度低等缺点。而粒子滤波采用一些带有权值的随机样本（粒子）来表示所需要的后验概率密度，而不是采用传统的线性变换，从而得到基于物理模型的近似最优数值解，具有精度高、收敛速度快等特点。对经典的纯方位跟踪问题进行了仿真。仿真结果表明，粒子滤波器的跟踪性能要远优于EKF的性能。