基于粒子濾波的目標跟蹤算法(已修改)
2024-10-31 14:38 本頁面
【正文】 基于粒子濾波的目標跟蹤 主講人：季智堅 什么是目標跟蹤？ 目標跟蹤的目的是在連續(xù)的時間序列中，“找出”用戶所感興趣的目標。而目標可以由自身狀態(tài)來描述，因此跟蹤問題等價于對目標狀態(tài)的求解，這個求解過程可以用估計理論來實現(xiàn) 什么是粒子濾波？ 粒子濾波器（又稱為 CONDENSATION、 Bootstrap Filter或 Sequential Monte Carlo Filter）分別由信號處理、計算機視覺、 統(tǒng)計等領(lǐng)域獨立地提出用以解決非高斯、非線性貝葉斯遞推濾波問題。粒子濾波是以 Monte Carlo隨機模擬理論為基礎(chǔ)，將系統(tǒng)狀態(tài) 后驗分布用一組加權(quán)隨機樣本（稱為粒子）近似表示，新的狀態(tài)分布通過這些隨機樣本的貝葉斯遞推估計。 粒子濾波在國內(nèi)外研究現(xiàn)狀 國外對粒子濾波的研究起步較早。早在二十世紀五十年代 Hammersley等人就提出一種被稱為 Sequential Important Sampling(SIS)的方法。到了六十年代后期 Handschi等將 SIS法應用于控制領(lǐng)域。七十年代各個領(lǐng)域的學者繼續(xù)沿著 SIS的思路研究，在這以后一系列改進的 SIS算法相繼出現(xiàn)。但是，SIS算法容易導致粒子退化現(xiàn)象 (Particle Degeneracy)，影響了它在實際中的推廣應用。直到 1993 年， Gordon 等人提出了采樣重要性重采樣算法 (Sampling importanceResampling, SIR)，才基本解決了粒子退化問題。從此，粒子濾波又被廣泛關(guān)注，并取得了重大進展，提出了一些重要的 SIR算法。 近年來，在現(xiàn)代信號處理、圖象處理、計算機視覺、生物信息學、故障診 斷目標跟蹤及統(tǒng)計學等領(lǐng)域的學者幾乎同時關(guān)注粒子濾波器的發(fā)展，并提出許多改進算法。目前世界上的研究團體主要分布在英國、澳大利亞、瑞典和法國。 國內(nèi)對粒子濾波的研究開
教學課件相關(guān)推薦
鄂ICP備17016276號-1