粒子滤波跟踪

卡尔曼滤波中密度传播更改从一个高斯到......另一个高斯分布。什么变化是均值和方差。这是非常好的如果我们的系统是线性的噪声是高斯。但如果它不是 （即杂波的数据等） — — 卡尔曼将失败 这是粒子滤波输入-在每个阶段，我们创建一个新的概率密度函数，可以采取任何形状 （不限于被高斯）。这种形状是由采样粒子，每个都有一个给定的重量和累计密度函数组成的。这将进一步阐述了在此工作表的延续。总之 — — 我们仍然正在计算可能性和先验概率和从中后部 （类似于卡尔曼），但我们使用更有活力的 （非高斯） 概率函数对系统进行建模。

Images
001.png
002.png
003.png
004.png
005.png
006.png
007.png
008.png
009.png
010.png
011.png
012.png
013.png
014.png
015.png
016.png
017.png
018.png
019.png
020.png
021.png
022.png
023.png
024.png
025.png
026.png
027.png
028.png
029.png
030.png
031.png
032.png
033.png
034.png
035.png
036.png
037.png
038.png
039.png
040.png
041.png
042.png
043.png
044.png
045.png
046.png
047.png
048.png
049.png
050.png
051.png
052.png
053.png
054.png
055.png
056.png
057.png
058.png
059.png
060.png
061.png
062.png
063.png
064.png
065.png
066.png
067.png
068.png
069.png
070.png
071.png
072.png
073.png
074.png
075.png
076.png
077.png
078.png
079.png
080.png
081.png
082.png
083.png
084.png
085.png
086.png
087.png
088.png
089.png
090.png
091.png
092.png
093.png
094.png
095.png
096.png
097.png
098.png
099.png
100.png
101.png
102.png
103.png
104.png
105.png
106.png
107.png
108.png
109.png
110.png
111.png
112.png
MAIN_untuched.m
MAIN2.m
MAINsionAndIrad.m
predictParticles.m
sampleParticles.m
showParticles.m
compBatDist.m
compNormHist.m
GROUP-04-12_HW3_10.png
GROUP-04-12_HW3_20.png
GROUP-04-12_HW3_30.png
GROUP-04-12_HW3_50.png
GROUP-04-12_HW3_60.png
GROUP-04-12_HW3_70.png
GROUP-04-12_HW3_80.png
GROUP-04-12_HW3_90.png
GROUP-04-12_HW3_100.png
GROUP-04-12_HW3_110.png