行人检测算法研究，涉及HOG和粒子滤波，硕士论文，写的不错，值得看看

比较全面的目标跟踪方法！！！！！！！！！！！！！！！！！！！！！！

粒子滤波的matlab工具箱，用来学习粒子滤波的

对于非线性非高斯系统的多目标跟踪问题，在已获得各目标初始信息和观测信息的基础上，结合联合概率数据关联算法，提出了一种基于数值积分粒子滤波的多目标跟踪算法。仿真结果表明，该算法在解决非线性非高斯系统的多目标跟踪问题时是可行有效的。

在目标跟踪领域，粒子滤波技术有处理非线性非高斯问题的优势，但是标准粒子滤波在利用重采样方法解决退化现象时，会产生粒子贫化问题，导致滤波精度不稳定.针对这种问题，本文算法采用了差分进化蝙蝠算法对粒子滤波进行改进.本文算法将粒子表征为蝙蝠个体，蝙蝠种群通过调节频率、响度、脉冲发射率，伴随当前最优蝙蝠个体在目标图像区域进行搜索，并且可以动态决策是采用全局搜索还是进行局部搜索，从而提高粒子整体的质量和合理的分布；引进的差分进化策略可以增强蝙蝠个体跳出局部最优的能力.为了验证本文算法的优化性能，将本文算法和标准粒子滤波算法进行性能分析对比.实验结果表明本文算法滤波性能优于标准粒子滤波算法.

介绍Monte Carlo方法的一些理论

粒子滤波器故障预测matlab，txt为原始数据，yuce1为主函数

是C语言编写的粒子滤波程序，可直接运行和测试，效果比较好，附测试视频。

同步定位与地图构建（SLAM）是实现机器人自主定位的核心问题之一，Rao-Blackwellised粒子滤波器（RBPF）作为一种SLAM定位的有效方法，被广泛应用在实时定位领域中，但由于其随着粒子数目的增加会频繁重采样从而导致粒子退化问题。为了解决该问题，改善SLAM性能，提出了一种基于改进小生境遗传优化的RBPF SLAM算法INGO-RBPF，采用改进的Rao-Blackwellised粒子滤波器解决SLAM路径估计问题，采用扩展卡尔曼滤波器解决SLAM地图估计问题。最后通过MATLAB仿真表明INGO-RBPF算法具有较高的估计精度和稳定性，抗干扰能力较强，定位较准确，比较适合应用在SLAM实时定位中。

提出了一种用于粒子滤波的两阶段信息融合方案。 它的主要特征是，不仅在似然模型中，而且在重要性采样阶段，都融合了多传感器数据。 通过按顺序合并多传感器数据，可以逐步改善建议密度。 因此，可以获得高质量的粒子，因此可以获得更准确的估计。