• 大小: 66KB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2021-04-21
  • 语言: Matlab
  • 标签: gaussian  高斯  

资源简介

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

资源截图

代码片段和文件信息

% ------------------------------------------------------------------------------%
% This is code for a computational experiment that compares the performance     %
% of a regular Particle Filter(PF) a Gaussian Particle Filter(GPF)             %
% and a Gaussian Particle Filter that samples directly from the posterior(GPF2) %
% ------------------------------------------------------------------------------%
% For more details on GPF and GPF2 see                                         %
% [Frank Hutter and Richard Dearden Efficient On-Line Fault Diagnosis for      %
% Non-Linear Systems in “Proceedings of The 11th International Conference on    %
% AI Robotics and Automation in Space(i-SAIRAS03)“].                           %
% ------------------------------------------------------------------------------%
% Last update : January-08 2003  ( draft version )                             %
% AUTHORS: Frank Hutter Richard Dearden                                        %
% ------------------------------------------------------------------------------%
clear all;
echo off;
path(‘./core‘path);
path(‘./algos‘path);
path(‘./general‘path);

% =======================================================================
%     CHOOSE THE MODEL YOU WANT TO WORK WITH.
% Make sure not to have more than one of those models in the path !! (restart Matlab)
% =======================================================================

% Model applied for our GPF paper.
path(‘./model_for_gpf_paper‘path);

% For this model of real data only the plot of the discrete modes makes sense. 
% For the other plots there‘s no ground truth to compare with so they‘re pointless !
%path(‘./model_for_real_data‘path);         

% Linear model we applied for Nando‘s RBPF paper.
%path(‘./linear_model_for_nandos_paper‘path);

% =======================================================================
%     INITIALISATION
% =======================================================================
par = initParameters;

% =============================================================================
%     READ DATA FROM FILE
% =============================================================================
[Tuxyz] = readData(par);
S=3;                       % First data point that is to be plotted.
%T = 270-1+S;               % Last entry we use from the data set.

% =============================================================================
%     THE EXPERIMENT
% =============================================================================
N_min = 1;                 % Minimal number of particles. 
N_max = 128;               % Maximal number of particles.
runs =  25;                % With each number of particles we do that many runs.

% pf = importdata(‘pf-results.dat‘);
% upf = importdata(‘upf-results.dat‘);
% gpf = importdata(‘gpf-results.dat‘);
% gpf2 = importdata(‘gpf2-results.dat‘);    

pf(1) = measurePerformance(‘pfalgo‘

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3151  2003-02-05 14:21  Gaussian Particle Filter\algos\gpf2algo.m

     文件       2275  2003-02-05 14:17  Gaussian Particle Filter\algos\gpfalgo.m

     文件       1754  2003-02-05 14:13  Gaussian Particle Filter\algos\pfalgo.m

     文件       1345  2003-01-29 12:16  Gaussian Particle Filter\algos\scaledSymmetricSigmaPoints.m

     文件       5324  2003-01-29 16:33  Gaussian Particle Filter\algos\ukf.m

     文件       3624  2003-02-05 15:42  Gaussian Particle Filter\algos\upfalgo.m

     文件        853  2002-08-20 15:25  Gaussian Particle Filter\core\cvecrep.m

     文件       1155  2002-08-20 15:25  Gaussian Particle Filter\core\deterministicr.m

     文件       1134  2002-08-20 15:25  Gaussian Particle Filter\core\multinomialr.m

     文件       1401  2002-08-20 15:25  Gaussian Particle Filter\core\residualr.m

     文件       5644  2005-03-26 16:00  Gaussian Particle Filter\demo.m

     文件       1736  2003-02-04 22:37  Gaussian Particle Filter\general\measurePerformance.m

     文件       7512  2005-03-26 15:31  Gaussian Particle Filter\general\plotNiceFigures.m

     文件        716  2005-03-26 15:41  Gaussian Particle Filter\general\readData.m

     文件        943  2003-02-05 14:05  Gaussian Particle Filter\general\sample_trajectory.m

     文件       2607  2003-02-05 16:45  Gaussian Particle Filter\linear_model_for_nandos_paper\computeModeTransitionMatrix.m

     文件       9482  2005-03-26 15:03  Gaussian Particle Filter\linear_model_for_nandos_paper\ffun.m

     文件      23960  2005-03-26 15:38  Gaussian Particle Filter\linear_model_for_nandos_paper\gpf-results.dat

     文件      23960  2005-03-26 15:38  Gaussian Particle Filter\linear_model_for_nandos_paper\gpf2-results.dat

     文件         63  2003-02-03 15:16  Gaussian Particle Filter\linear_model_for_nandos_paper\hfun.m

     文件       2192  2005-03-26 15:03  Gaussian Particle Filter\linear_model_for_nandos_paper\initParameters.m

     文件      23960  2005-03-26 15:38  Gaussian Particle Filter\linear_model_for_nandos_paper\pf-results.dat

     文件        133  2003-02-01 02:43  Gaussian Particle Filter\linear_model_for_nandos_paper\sample_prior_x.m

     文件        128  2002-08-29 14:52  Gaussian Particle Filter\linear_model_for_nandos_paper\sample_prior_z.m

     文件        225  2003-01-29 16:30  Gaussian Particle Filter\linear_model_for_nandos_paper\sample_x.m

     文件        217  2005-03-26 14:12  Gaussian Particle Filter\linear_model_for_nandos_paper\sample_z.m

     文件      15500  2005-03-26 15:04  Gaussian Particle Filter\linear_model_for_nandos_paper\trajectory.dat

     文件      23960  2005-03-26 15:38  Gaussian Particle Filter\linear_model_for_nandos_paper\upf-results.dat

     文件         87  2005-03-26 15:03  Gaussian Particle Filter\linear_model_for_nandos_paper\ut_ffun.m

     文件         59  2003-01-19 19:40  Gaussian Particle Filter\linear_model_for_nandos_paper\ut_hfun.m

............此处省略36个文件信息

评论

共有 条评论