非线性滤波理论与目标跟踪应用

非线性滤波理论与目标跟踪应用 以目标跟踪为应用背景，系统阐述了贝叶斯递推估计框架下的非线性滤波理论和实现方法，并针对不同的算法给出了大量的应用实例。全书内容共分四大部分、十二章，第一部分为非线性滤波理论与应用基础(分两章)，主要包含卡尔曼滤波算法原理及各种衍生形式、目标跟踪的系统模型、性能测度等；第二部分为解析高斯近似滤波与应用(分四章)，系统阐述四大类非线性滤波的算法原理、实现方法及改进算法，具体包括函数近似法(扩展卡尔曼滤波、中心差分卡尔曼滤波)、确定性采样近似法(不敏卡尔曼滤波)、积分近似法(求积卡尔曼滤波、求容积卡尔曼滤波)及混合近似法(高斯和扩展卡尔曼滤波、高斯和不敏卡尔曼滤波)等；第三部分为*采样近似滤波与应用(分四章)，详细阐述四类重要的*采样近似滤波算法原理和实现方法，主要包括标准粒子滤波算法、序贯重要采样滤波(扩展粒子滤波、不敏粒子滤波)及改进算法、边缘化粒子滤波算法及智能优化采样滤波(包括遗传粒子滤波、免疫粒子滤波、人工鱼群粒子滤波)等；第四部分为非线性滤波的扩展与应用(分两章)，重点阐述在多传感器和多模型两种扩展条件下、基于解析高斯和*采样两种近似的滤波算法原理和实现方法，包括多传感器融合滤波、多模型滤波等。