第一篇 粒子滤波算法 3
第1章 绪论 3
1.1 粒子滤波的发展和应用 4
1.2 粒子滤波的缺点和现有的解决方法 4
第2章 Kalman滤波理论 9
2.1 标准Kalman滤波算法 9
2.2 α-β-γ滤波器 10
2.3 EKF滤波算法 11
2.4 MVEKF算法 14
2.5 UKF算法 15
第3章 从贝叶斯理论到粒子滤波 19
3.1 动态空间模型 19
3.2 贝叶斯估计理论 20
3.3 蒙特卡罗积分 22
3.4 序贯蒙特卡罗信号处理 24
3.5 粒子滤波 27
第4章 基于重要密度函数选择的改进粒子滤波算法 33
4.1 GHPF 33
4.2 EKPF 35
4.3 UPF 37
4.4 IMMPF算法 38
4.5 二阶中心差分粒子滤波 40
4.6 基于Stiefel流形的粒子滤波器研究 43
4.7 混合退火粒子滤波器研究 45
第5章 基于重采样技术的改进粒子滤波算法 48
5.1 重要性重采样粒子滤波器 48
5.2 基于MCMC的粒子滤波 49
5.3 AVPF 52
5.4 RPF 54
5.5 核K-粒子滤波算法(KPF) 55
5.6 基于权值选择的粒子滤波算法 57
5.7 线性优化重采样粒子滤波算法 58
5.8 基于Stiefel流形和权值优选的粒子滤波器(SM-WSPF)研究 60
5.9 基于Stiefel流形和线性优化重采样的粒子滤波器(SM-LOCR-PF)研究 61
5.10 其他常用的重采样方法 62
5.11 仿真分析 63
第6章 基于智能优化思想的粒子滤波算法 73
6.1 GPF算法 73
6.2 PSO-PF算法 78
6.3 AFSA-PF算法 83
6.4 AIPF算法 90
6.5 仿真分析 97
第7章 基于神经网络的粒子滤波算法 102
7.1 基于神经网络的重要性权值调整粒子滤波(NNWA-PF)算法 102
7.2 基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法 105
7.3 仿真分析 109
第8章 APF算法 114
8.1 似然分布自适应调整 114
8.2 样本数APF 115
8.3 改进APF 118
8.4 APF的仿真分析 119
第9章 其他粒子滤波算法 126
9.1 免重采样粒子滤波 126
9.2 MPF 132
9.3 分布式粒子滤波 134
第二篇 粒子滤波算法的应用 139
第10章 粒子滤波算法在机动目标跟踪中的应用 139
10.1 基于贝叶斯理论的目标跟踪技术 139
10.2 机动目标的运动模型 140
10.3 多目标跟踪中的联合概率数据关联方法 142
10.4 非线性、非高斯条件(闪烁噪声)下的机动目标跟踪 145
10.5 基于粒子滤波和JPDA的多目标跟踪数据关联算法 148
10.6 仿真实验 150
第11章 粒子滤波应用于语音信号增强 161
11.1 语音增强技术 161
11.2 TVAR模型 165
11.3 基于GPF的语音增强算法 167
11.4 语音信号增强仿真实验 168
第12章 粒子滤波应用于传感器故障诊断 172
12.1 故障诊断的方法 172
12.2 传感器故障诊断的基本原理 174
12.3 应用粒子滤波进行故障诊断 177
12.4 仿真实例分析 180
第13章 粒子滤波算法在人脸跟踪中的应用 190
13.1 人脸跟踪介绍 190
13.2 跟踪算法相关理论基础 193
13.3 基于直方图的均值偏移人脸跟踪算法 196
13.4 基于直方图的粒子滤波人脸跟踪算法 201
13.5 基于椭圆拟合的人脸跟踪算法 206
13.6 基于流形的人脸跟踪算法 207
13.7 人脸跟踪仿真 210
第14章 粒子滤波在倒立摆控制系统中的应用 216
14.1 引言 216
14.2 倒立摆控制系统模型 216
14.3 基于神经网络的倒立摆控制系统研究 219
14.4 粒子滤波优化神经网络倒立摆控制仿真 222
第15章 基于DSP实现的粒子滤波算法 225
15.1 FBPF算法 225
15.2 基于硬件实现的改进FBPF算法 227
15.3 实现改进FBPF算法的DSP 228
15.4 改进FBPF算法DSP实现的软件环境 230
15.5 改进FBPF算法的软件仿真与DSP实现 231
15.6 基于改进FBPF算法的GPS导航系统设计 237
第16章 基于FPGA的粒子滤波算法实现 241
16.1 基于FPGA的改进FBPF算法的总体设计 241
16.2 FPGA简介 242
16.3 改进FBPF算法的软件仿真与FPGA实现 245
参考文献 253