基于粒子滤波器的机动目标跟踪技术 首先 ， 概 要介绍传统的Kalman滤波器，以及有所改进的扩展Kalman滤波器。 其次，为了能更好地解决在动态模型为非线性且噪声为非高斯的条件下对机动目标的 跟踪问题，通过概率统计理论详细阐述粒子滤波器基本原理。然后，针对不同的使用 条件，根据粒子滤波器的基本理论做出适当的修改和整理，就得到了四个相关的粒子 滤波器的变型，使用州以JLAB把它们对机动目标的跟踪性能作了详细地计算机模拟 仿真且用均方根误差更加精确地进行了比较。最后，把粒

经典的香农采样定理认为,为了不失真地恢复模拟信号,采样频率应该不小于奈奎斯特频率(即模拟信号 频谱中的最高频率)的两倍.但是其中除了利用到信号是有限带宽的假设外,没利用任何的其它先验信息.采集到 的数据存在很大程度的冗余.Donoho等人提出的压缩感知方法(Compressed Sensing或Compressive Sampling, CS)充分运用了大部分信号在预知的一组基上可以稀疏表示这一先验信息,利用随机投影实现了在远低于奈奎斯 特频率的采样频率下对压缩数据的直接采集.该

多路数据采集，含0809A/D转换,可以转换8路模拟数据-翻译结果3复制译文编辑译文朗读译文返回顶部 The data acquisition, 0809 A/D conversion, you can convert 8 analog data