论文部分内容阅读
近年来序列蒙特卡罗理论及其应用在自动导航、非线性估计与金融等诸多领域受到了越来越广泛的关注。提出了一种引入残差信息的分层重采样策略,通过引入当前粒子集权值的残差来构建累积分布函数,同时针对随机区间逐级分层以产生有序的随机数集合,从而提高重采样的合理性与采样效率。首先从仿真实验的角度证明了它的有效性,对比残差重采样、多项式重采样与遗传重采样,提出的重采样策略在后验均值误差、均方差与运行时间方面均为最小;将提出的重采样策略嵌入到运动目标跟踪算法中,基于标准测试视频的跟踪结果同样佐证了该重采样策略的收敛性