资 源 简 介
微粒过滤器或序贯蒙特 Carlo （SMC） 方法是一套通过直接实现贝叶斯递推方程估计状态空间的后验密度的在线的后验密度估计算法。SMC 方法使用一种基于网格的方法，并使用一套粒子代表的后验密度。这些过滤的方法作出任何限制性的假设的动力学状态空间或密度函数。SMC 方法提供了用于从所需的销售生成样本，而无需对状态空间模型或状态分布假设的良好确立的方法。状态空间模型可以非线形和初始状态和噪声分布可以采取所需的任何形式。但是，这些方法不执行适用于高维系统。SMC 方法直接通过使用集成的基础方法实现贝叶斯递推方程。从分布样本代表由一套粒子 ；每个粒子都有一个分配给它的重量，表示那种粒子被取样的概率密度函数的概率。
文 件 列 表
CalcTrackMeasure.m
CheckInitialConfig.m
ElementarySymmetricFunc.m
ElemSymmFunc.m
GenCombinationIndex.m
GenCombinationIndexExclude.m
GenPermutationIndex.m
GMCPHDFilter.m
GMCPHDFilterbak.m
GMCPHDInitialParameters.m
GMCPHDLinearGaussianSim.m
GMPHDFilter.m
GMPHDLinearGaussianSim.m
GMPHDPrunning.m
GMPHDStateExtractor.m
Hausdorf_dist.m
Hungarian.m
MTTLinearGaussianSimPHDvsCPHD.m
NLF_GMCPHD
CalcTrackMeasure.m
CheckInitialConfig.m
ElementarySymmetricFunc.m
ElemSymmFunc.m
GenCombinationIndex.m
GenCombinationIndexExclude.m
GenPermutationIndex.m
GMCPHDFilter.m
GMCPHDFilterbak.m
GMCPHDInitialParameters.m
GMCPHDLinearGaussianSim.m
GMPHDFilter.m
GMPHDLinearGaussianSim.m
GMPHDPrunning.m
GMPHDStateExtractor.m
Hausdorf_dist.m
Hungarian.m
MTTLinearGaussianSimPHDvsCPHD.m
omat_dist.m
ospa_dist.m
SetTargetInitialTracks.m
SystemConstDeclare.m
omat_dist.m
ospa_dist.m
SetTargetInitialTracks.m
SystemConstDeclare.m
license.txt
