彩色补偿的matlab代码-mcl:使用粒子滤波器的状态估计和全局定位的蒙特卡洛定位（MCL）算法的实现

彩色补偿的matlab代码mcl 蒙特卡洛定位（MCL）算法作为粒子滤波器的实现。 SIR算法的预测和更新步骤略有不同，用于3D状态空间（x，y，θ）中的跟踪问题和全局定位问题。 在MATLAB中进行仿真以进行数据分析，这是KTH应用估算课程的一部分。 背景 目标跟踪：我们要在每个时间步长重复估计对象的位置，因为它提供了有关目标如何从上一个时间步长移动，一些测量值以及目标的初始位置（目标位置）的[不准确]信息。第一个时间步的目标）。 通常，假设过程噪声与状态无关，我们可以将预测步骤分解为两个步骤（应用运动+扩散）。 我在此滤镜中将里程表用作运动模型。 重采样： -Vanilla（多项式）重新采样：执行重新采样步骤的最简单方法。 该方法使用N个随机变量和粒子集权重的累积分布函数（CDF）独立绘制粒子。 -系统重采样（Stochastic Universal re-sampling）：一种替代重采样的方法，除了具有更好的方差外，它还具有更好的速度。 两种重采样方法在过滤器中均可用。 数据关联：使用最大似然数据关联算法。 权重和离群值：计算了关联之后，权重和离群值检测方法可以使用诸如粒子平均