Rao-Blackwellised粒子滤波器(RBPF)在高维状态空间中采样时，是一种顺序重要性采样法(Sequential Importance Sampling)，但是由于参数是静态的,(PDF))的地方，也是该算法研究重点，可以用于解决SLAM问题、空对地的被动式跟踪。
基于11个网页-相关网页
...mpling Importance Resampling粒子滤波中的一个采样方法 传统分粒子滤波器应用顺序重要性采样( sequential importance sampling, SIS) ,会引起粒子退化, 因为随着循环的运行,一些粒子越来越重要,规一化的权重逐渐趋向1,而另一些权重趋..
基于6个网页-相关网页
·2,447,543篇论文数据，部分数据来源于NoteExpress
In particle filters (PF), sequential importance sampling will result in sample impoverishment and further the loss of diversity after resampling.
粒子滤波算法(PF)中，序列重要性采样引起采样点贫化，进一步经过重采样后造成分集度损失。
In this paper, a new particle filter based on sequential importance sampling (SIS) is proposed for the on-line estimation problem of non-Gauss nonlinear systems.
针对非线性、非高斯系统状态的在线估计问题，本文提出一种新的基于序贯重要性抽样的粒子滤波算法。
A single Gaussian distribution is obtained to approximate the posterior distribution of state parameters based on sequential importance sampling and Monte Carlo methods.
通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。
应用推荐