粒子滤波算法matlab文档，里面包含粒子滤波算法matlab程序以及针对各种案例相应代码的修改方法

粒子滤波在单目标跟踪多目标跟踪电池寿命预测中的应用-粒子滤波算法原理及在多目标跟踪中的应用（Matlab程序）.ppt 本帖最后由 huangxu_love 于 2013-7-26 12:50 编辑 推荐一本学习粒子滤波原理的好资料《粒子滤波原理及应用仿真》，本手册主要介绍粒子滤波的基本原理和其在非线性系统的应用。同时本手册最大的优点是介绍原理和应用的同时，给出实现例子的matlab代码程序，方便读者对照公式，理解代码。因此，它是相关方面的研究者快速上手和进入研究领域的快捷工具。同时，对于有一定基础的研究者，可以在本手册提供代码的基础上，做算法进一步改进和深入研究。 如果你有编程或者原理咨询，可以联系我的QQ345194112. 目  录第一部分 原理篇                                                                1第一章 概述                                                                  11.1 粒子滤波的发展历史                                                        11.2 粒子滤波的优缺点                                                         21.3 粒子滤波的应用领域                                                        3第二章 蒙特卡洛方法                                                          42.1 概念和定义                                                                42.2 蒙特卡洛模拟仿真程序                                                     52.2.1硬币投掷实验（1）                                                        52.2.2硬币投掷实验（2）                                                      52.2.3古典概率实验                                                              64.2.4几何概率模拟实验                                                         72.2.5复杂概率模拟实验                                                          72.3 蒙特卡洛理论基础                                                           102.3.1大数定律                                                                  102.3.2中心极限定律                                                              102.3.3蒙特卡洛的要点                                                           112.4 蒙特卡洛方法的应用                                                        132.4.1 Buffon实验及仿真程序                                                      132.4.2 蒙特卡洛方法计算定积分的仿真程序                                          14第三章 粒子滤波                                                              193.1 粒子滤波概述                                                              193.1.1 蒙特卡洛采样原理                                                         193.1.2 贝叶斯重要性采样                                                         203.1.3 序列重要性抽样（SIS）滤波器                                                   203.1.4 Bootstrap/SIR滤波器                                                       223.2 粒子滤波重采样方法实现程序                                                233.2.1 随机重采样程序                                                            243.2.2 多项式重采样程序                                                         253.2.3 系统重采样程序                                                          263.2.4 残差重采样程序                                                            273.3 粒子滤波原理                                                             283.3.1 高斯模型下粒子滤波的实例程序                                              28第二部分 应用篇                                                                33第四章 粒子滤波在单目标跟踪中的应用                                          334.1 目标跟踪过程描述                                                         334.2 单站单目标跟踪系统建模                                                    344.3 单站单目标观测距离的系统及仿真程序                                        374.3.1 基于距离的系统模型                                                      374.3.2 基于距离的跟踪系统仿真程序                                             384.4 单站单目标纯方位角度观测系统及仿真程序                                    434.4.1 纯方位目标跟踪系统模型                                                  434.4.2 纯方位跟踪系统仿真程序                                                  444.5 多站单目标纯方位角度观测系统及仿真程序                                     474.5.1 多站纯方位目标跟踪系统模型                                               474.5.2 多站纯方位跟踪系统仿真程序                                              48第五章 粒子滤波在多目标跟踪中的应用                                          545.1 多目标跟踪系统建模                                                        545.1.1 单站多目标跟踪系统建模                                                  545.1.2 多站多目标跟踪系统建模                                                  555.1.3 单站多目标线性跟踪系统的建模仿真程序                                     555.1.4 多站多目标非线性跟踪系统的建模仿真程序                                  575.2 多目标跟踪分类算法                                                        615.2.1 多目标数据融合概述                                                       615.2.2 近邻法分类算法及程序                                                     625.2.3 近邻法用于目标跟踪中的航迹关联及算法程序                                665.2.4 K-近邻法分类算法                                                          695.3 粒子滤波用于多目标跟算法中的状态估计                                     705.3.1 原理介绍                                                                 705.3.2 基于近邻法的多目标跟踪粒子滤波程序                                      71第六章 粒子滤波在电池寿命预测中的应用                                         766.1 概述                                                                     766.2 电池寿命预测的模型                                                        786.3 基于粒子滤波的电池寿命预测仿真程序                                        81

粒子滤波及改进算法比较，将各种算法进行比较和对比

这四篇文献是我精心地找的关于粒子滤波的文献，绝对干货。这四篇文献从最基础的到后来慢慢深入，发表时间分别是09，14，16，18年。

为了解决部分对应点集之间的刚体配准问题,本文提出了一种基于粒子滤波的刚体配准算法.该方法将部分对应点集配准问题转化成相应的状态估计问题,通过采用基于配准误差驱动的运动模型及设计基于迭代最近点原理的观测模型,从而提出了基于粒子滤波的配准算法解决部分对应点集的刚体配准问题.实验结果验证了本文所提出算法的有效性.

对于初学者或者有一定基础，都必须仔细研读的粒子滤波优秀文献。

作者：付饶，管业鹏 摘要：为有效跟踪视频网球运动,提出了一种基于卡尔曼滤波预测的粒子滤波网球运动跟踪方法.基于多尺度小波变换在时域和空域均具有优异的局部化特征,将相邻帧视频图像进行差分,提取反映前景运动的目标特征信息,克服光照变化以及网球运动尺度随时不断变化的不利因素影响;同时,基于网球场地结构化特性,排除场地外不利干扰因素影响.在此基础上,采用卡尔曼滤波对粒子进行预测和修正,将当前观测信息融入到粒子滤波过程中,估计预测粒子状态的均值和协方差,使动态粒子更加接近其后验概率分布,从而提高网球运动目标的跟踪精度.通过与同类方法在不同网球公开赛的定量对比,实验结果表明,所提方法能有效跟踪视频网球运动目标.展开 关键词：网球跟踪 粒子滤波 卡尔曼滤波 多尺度小波变换 预测 DOI： 10.3969/j.issn.1005-9490.2019.04.031 年份： 2019

0积分下载，代码运行效果图见压缩包

粒子滤波通过 非参数化的蒙特卡洛 (Monte Carlo) 模拟方法来实现递推贝叶斯滤波 ，适用 于任何能用状态空间模型描述的非线性系统， 精度可以逼近最优估计。 粒子滤波器具有简单、 易于实现等特点， 它为分析非线性动态系统提供了一种有效的解决方法， 从而引起 目标跟踪、 信号处理以及自动控制等领域的广泛关注。 本章首先概述用于求解目标状态后验概率的贝叶 斯滤波理论， 随后介绍具有普遍适用性的粒子滤波器， 最后针对当前粒子滤波器存在的粒子 多样性丧失问题，提出了一种量子进化粒子滤波算法。

包含particlefilter的几篇经典论文，还有ppt的简介，很经典。。。