论文部分内容阅读
在贝叶斯估计问题中常用的滤波算法有两大类，一类是适用于非线性问题的，在卡尔曼滤波算法基础上发展出来的各种参数滤波算法，如扩展的卡尔曼滤波、拟线性卡尔曼滤波及近年提出的基于Unscented变换的Unscented卡尔曼滤波算法等；另一类是基于蒙特卡洛仿真技术的非参数滤波算法——粒子滤波。两类跟踪算法在实际问题中都得到了广泛应用。从原理上对这两类算法中的四种具体算法进行了介绍，重点分析了每种算法的长处及不足，可为实际应用中算法的选择提供依据。