论文部分内容阅读
代价参考粒子滤波算法通过动态优化自定义代价函数和风险函数来衡量状态滤波估计的质量，选取最优的状态估计。与粒子滤波算法相比其优点是不需要任何先验概率知识的假定和重采样过程可实现并行处理。将代价参考粒子滤波与当前统计模型的优点相结合，提出一种新的当前统计模型自适应跟踪算法，用于非线性非高斯系统的机动目标跟踪。Monte Carlo仿真表明，该算法跟踪精度优于标准的交互多模型算法和当前统计模型自适应跟踪算法，实时性好于当前统计模型高斯粒子滤波算法。