搜索资源列表
Researchon3DHumanMotionTrackingBasedonProbabilisti
- 本文提出了有模型指导的三维人体运动跟踪框架，将一个多关节的圆台形状三维人体模型与多个视频图像中的外轮廓、边界、灰度和肤色特征进行匹配，使人体运动跟踪变成一个状态估计问题。并且，使用基于概率模型的粒子滤波算法来完成非线性、非高斯动态系统的状态估计。
粒子滤波算法综述
- 对粒子滤波算法的原理和应用进行综述，首先针对非线性非高斯系统的状态滤波问题 阐述粒子滤波的原理，然后在分析采样重要性，重采样算法基础上 讨论粒子滤波算法存在的主要问题和改进手段，最后从概率密度函数的角度出发，将粒子滤波方法与其他非线性滤波算法进行比较，阐明了粒子滤波的适应性， 给出了粒子滤波在一些研究领域中的应用并展望了其未来发展方向。
高斯粒子滤波算法
- 本程序实现了基于matlab的高斯粒子滤波方法，附有大量例子，可供直接使用。
rob_hess_pf.粒子滤波现在已经成为目标跟踪领域的主流算法
- 粒子滤波现在已经成为目标跟踪领域的主流算法，它的应用范围广泛，在非线性、非高斯噪声下依然表现良好。该代码是Rob Hess 编写的。他的个人主页是：http://web.engr.oregonstate.edu/~hess/ ,Now,Partical filter has become the main algorithm in moving target tracking region.It still perform very well in nonlinear non-gaussia
OnTrackingofMovingObjects
- 学位论文；运动物体跟踪方法主要包括卡尔曼滤波，Mean-shift，Camshifi算法，粒子滤波器，Snake模型等；应用卡尔曼滤波方法设计了一套煤矿矿工出入自动监测系统；提出了一种新的基于高斯混合模型的颜色特征提取方法，该方法克服了现有的Camshift算法Continuousl y Adaptive eanshift中跟踪目标特征提取精确度低和计算复杂度高的缺陷-Dissertation moving object tracking methods include Kalman filt
DeNosingBaseOnXiaoBo
- 一种改进的基于PCNN神经网络和QPSO粒子行为的PSO的图像滤波算法，也可以较好地去除高斯噪声-Improved PCNN-based neural network and PSO behavior QPSO particle image filtering algorithm can also be better to remove Gaussian noise
matlab_utilities
- 粒子滤波、无迹粒子滤波算法程序，高斯混合模型参数设置等详细代码-Particle filter, unscented particle filter program, Gaussian mixture model parameter settings, and more code
CostReference
- 一篇关于代价参考粒子滤波算法的论文，该算法的优点是不需要任何先验概率知识的假定和重采样过程，可实现并行处理。本文将代价参考粒子滤波与当前统计模型的优点相结合 ,提出一种新的当前统计模型自适应跟踪算法 ,用于非线性非高斯系统的机动目标跟踪。-A particle filter on the reference price of the paper, the advantages of the algorithm does not require any prior knowledge of the
The_nonlinear_filtering_algorithm_performance_anal
- 对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较，给出了每种方法的计算复杂度．通过一个非线性非高斯模型进行了仿真，验证了这些算法的性能。-Present the main algorithms of the nonlinear filtering extended Kalman filter, Unscented Kalman filter, particle filter, particle filt
upf_demos
- 粒子滤波改进算法仿真比较，我觉得很好用，大家快下载，贝叶斯滤波适合非线性和非高斯环境，这种非线性统计理论很先进-Improved particle filtering algorithm for simulation and comparison, I feel useful, we quickly download, Bayesian filtering for nonlinear and non-Gaussian environment, which is very advanced sta
particle-filter
- 粒子滤波算法；粒子滤波算法源于Montecarlo的思想，即以某事件出现的频率来指代该事件的概率。因此在滤波过程中，需要用到概率如P(x)的地方，一概对变量x采样，以大量采样的分布近似来表示P(x)。因此，采用此一思想，在滤波过程中粒子滤波可以处理任意形式的概率，而不像Kalman滤波只能处理高斯分布的概率问题。他的一大优势也在于此。-these codes are particle filter resources codes which solve non-linear estimation
particle-filting
- 粒子滤波算法摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件 并在一定程度上解决了粒子数样本匮乏问题 因此近年来该算法在许多领域得到成功应用$目前已有许多会议和讨论组都将粒子滤波作为专题进行深入讨论和学术交流-QJPRQ Elc8&m :jelf dgwd99&jvdej gq:c&decwe 9d:ejv&chj&ec:d:cqi:pcrcw’8jfjgmdeelcg g&jgcd:"g g= #diqqjdghj&ec:9: u&cfCelcmcgc:jvjwcdq h9d:e
particlefilterprogram
- 对粒子滤波算法的原理和应用进行综述’首先针对非线性非高斯系统的状态滤波问题C阐述粒子滤波的原理D然后在分析采样=重要性=重采样算法基础上C讨论粒子滤波算法存在的主要问题和改进手段D最后从概率密度函数的角度出发C将粒子滤波方法与其他非线性滤波算法进行比较C阐明了粒子滤波的适应性C给出了粒子滤波在一些研究领域中的应用C并展望了其未来发展方向-QJPRQ Elc8&m :jelf dgwd99&jvdej gq:c&decwe 9d:ejv&chj&ec:d:cqi:pcrcw’8jfjgmdeelc
GaussianParticleFilter
- 利用高斯算法的粒子滤波器，可以应用于机器人自主定位等应用-Gaussian particle filter algorithm can be used in applications such as robot self-localization
2010041245
- 上传一个word档的联邦式扩展卡尔曼粒子滤波算法，大家学习粒子滤波有益，为了使联邦滤波器够有效处理非高斯、非线性系统的状态估计问题，提出将扩展卡尔曼粒子滤波引入联邦滤波结构中，得到一种新的联邦式扩展卡尔曼粒子滤波算法.使用扩展卡尔曼粒子滤波对联邦滤波子系统的多源数据进行处理，从而摆脱了经典卡尔曼滤波的限制，拓宽了联邦滤波器的实际应用范围.将联邦式扩展卡尔曼粒子滤波算法应用于非线性滤波器的一个标准验证模型进行了仿真实验，结果表明该算法是有效性的.-Abstract: A new particle
PF
- 利用粒子滤波算法的对于非线性非高斯信号处理的优越性能，将之用于模态信号、振动信号去噪处理。-The particle filter algorithm for nonlinear non-Gaussian signal processing, superior performance, it is used for mode signal, vibration signal denoising.
Gaussian Particle Filter
- 高斯粒子滤波的基本实现，有举例，注释详细，便于学者学习
Gaussian-Particle-Filter
- 高斯粒子滤波算法详解及举例，模式转移矩阵计算，采样算法等，注释清晰-Gaussian Particle Filter algorithm descr iption and examples
PF_example
- 粒子滤波算法源于Montecarlo的思想，即以某事件出现的频率来指代该事件的概率。因此在滤波过程中，需要用到概率如P(x)的地方，一概对变量x采样，以大量采样的分布近似来表示P(x)。因此，采用此一思想，在滤波过程中粒子滤波可以处理任意形式的概率，而不像Kalman滤波只能处理高斯分布的概率问题。他的一大优势也在于此。(A number of prognostics approaches have been proposed in the literature in support of P
GPF-PHD
- 采用高斯粒子滤波实现概率假设密度算法，本人亲测效果有用