作者：尹建君 张建秋信息处理技术条件线性高斯目标跟踪
摘要：算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,再与非线性状态方程联立,由高斯和滤波器（Gaussian sum filter,GSF）获得非线性状态的估计;然后将估计值代入线性状态方程与观测方程,由卡尔曼滤波器（Kalman Filter,KF）获得线性状态的估计。此外,获得的非线性状态估计的方差还用于修正线性状态的估计。将GSF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Blackwellized粒子滤波器（Rao-Blackwellized Particle Filter,RBPF）相比,新方法在保证精度的同时,明显提高了实时性,计算时间仅约为RBPF的7%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
