粒子滤波算法摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件 并在一定程度上解决了粒子数样本匮乏问题 因此近年来该算法在许多领域得到成功应用$目前已有许多会议和讨论组都将粒子滤波作为专题进行深入讨论和学术交流-QJPRQ Elc8&m :jelf dgwd99&jvdej gq:c&decwe 9d:ejv&chj&ec:d:cqi:pcrcw’8jfjgmdeelcg g&jgcd:"g g= #diqqjdghj&ec:9: u&cfCelcmcgc:jvjwcdq h9d:e

对粒子滤波算法的原理和应用进行综述’首先针对非线性非高斯系统的状态滤波问题C阐述粒子滤波的原理D然后在分析采样=重要性=重采样算法基础上C讨论粒子滤波算法存在的主要问题和改进手段D最后从概率密度函数的角度出发C将粒子滤波方法与其他非线性滤波算法进行比较C阐明了粒子滤波的适应性C给出了粒子滤波在一些研究领域中的应用C并展望了其未来发展方向-QJPRQ Elc8&m :jelf dgwd99&jvdej gq:c&decwe 9d:ejv&chj&ec:d:cqi:pcrcw’8jfjgmdeelc

用MATLAB编写的离散模糊控制程序，结合本程序，我相信能能更快更好的理解模糊控制算法。算法在MATLAB Version: 7.14.0.739 (R2012a)运行无误。 function [FCU_T1,FCU_T2,FCU_T3,FCU_T4]=fuzzy_table(Me,Mec,Mu,UC) Me 隶属度表1 Mec 隶属度表2 Mu 隶属度表3 UC 模糊规则 FCU_T1 重心加权法，输出精确值 FCU_T2 重心加权法，输出离散值

控制器采用二维的模糊控制器，其输入信号偏差为e和偏差的变化为的de，控制对象为时滞对象： ，假设系统给定为阶跃值R=10，系统的初始值R(0)=0。本例采用的是增量控制方法，所以模糊控制器的其输出量为△U。后面经过一个积分环节，就得到了一个控制信号U。E、dE、△U的模糊论域划分为13个档次，论域取为[-10,10]之间。各个论域E, EC和△U的语言变量为{NB， NS，0，PS，PB}。采用两种方法实现pid输出曲线按的模拟。(A two-dimensional fuzzy controll