基于变分贝叶斯学习的粒子滤波研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 粒子滤波的研究现状 | 第11-13页 |
| 1.2.2 变分贝叶斯学习算法的研究现状 | 第13-15页 |
| 1.3 本文的研究内容与章节安排 | 第15-17页 |
| 第二章 贝叶斯框架下的粒子滤波 | 第17-31页 |
| 2.1 贝叶斯理论 | 第17-19页 |
| 2.2 基于蒙特卡洛方法的粒子滤波 | 第19-29页 |
| 2.2.1 贝叶斯重要性采样 | 第20-23页 |
| 2.2.2 序贯重要性采样算法 | 第23-26页 |
| 2.2.3 重要性概率密度函数的选择 | 第26-29页 |
| 2.3 标准粒子滤波器算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 粒子滤波重采样算法研究 | 第31-40页 |
| 3.1 重采样算法的实现原理 | 第31-34页 |
| 3.2 常用的重采样算法 | 第34-36页 |
| 3.2.1 多项式重采样算法 | 第34页 |
| 3.2.2 分层重采样算法 | 第34-35页 |
| 3.2.3 系统重采样算法 | 第35页 |
| 3.2.4 残差重采样算法 | 第35-36页 |
| 3.3 重采样改进算法 | 第36-37页 |
| 3.4 仿真实验与分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 高斯混合模型的变分贝叶斯学习参数估计 | 第40-58页 |
| 4.1 变分贝叶斯学习算法 | 第41-44页 |
| 4.1.1 高斯混合模型建模 | 第41-42页 |
| 4.1.2 变分贝叶斯学习算法 | 第42-44页 |
| 4.2 高斯混合分布的参数估计 | 第44-49页 |
| 4.3 变分贝叶斯学习算法的迭代下界 | 第49-50页 |
| 4.4 与EM算法的比较 | 第50-51页 |
| 4.5 仿真实验与分析 | 第51-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 基于变分贝叶斯学习的粒子滤波 | 第58-71页 |
| 5.1 粒子滤波中的噪声处理 | 第58-59页 |
| 5.2 噪声建模 | 第59-60页 |
| 5.3 基于变分贝叶斯学习算法的粒子滤波 | 第60-64页 |
| 5.3.1 边缘化粒子滤波 | 第60-62页 |
| 5.3.2 算法流程 | 第62-64页 |
| 5.4 仿真实验与分析 | 第64-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
