几种滤波算法的分析与比较

摘要

滤波算法常用来解决对系统状态估计的问题,主要有卡尔曼滤波、粒子滤波以及在此基础上改进的扩展卡尔曼,无迹卡尔曼,无迹粒子滤波算法等。对于线性高斯系统模型,卡尔曼滤波有着极强的处理能力,因此得到了广泛的应用。粒子滤波无须对系统状态做线性高斯假设,其应用范围大于卡尔曼滤波,但时间的消耗要远远大于前者。在介绍了常见滤波算法的原理与应用后,通过仿真实验对比了上述几种常见滤波方法的跟踪效果。实验表明,上述算法在非线性高斯模型下均有较好的准确性与较低的误差。