论文部分内容阅读
扩展卡尔曼粒子滤波（EPF）在预测阶段通过EKF选取重要性函数而优化了粒子选取,但是传统EPF算法中粒子权值一般是通过正态分布的概率密度函数计算的。此方法没有突出不同噪声粒子的权值差别,在计算中引入了较大的相对误差。通过在更新阶段对权值计算所依赖的概率密度函数做出改进,得到改进的EPF算法。同时采用实际目标跟踪数据进行仿真对比实验,结果验证了此方法有效可行,并且减小了预测误差。