粒子滤波 · 非高斯噪声实战
📚 30章 完整目录
01
课程导论与背景
非高斯噪声挑战
前置知识
02
状态估计基础
贝叶斯滤波
预测更新
03
蒙特卡洛方法
大数定律
重要性采样
04
序贯重要性采样 SIS
权值计算
粒子退化
05
重采样技术
系统/多项式
残差/分层
06
标准粒子滤波 SIR
算法流程
重要性密度
07
非高斯噪声建模
高斯混合
学生t/柯西
08
似然函数设计
非高斯似然
鲁棒似然
09
自适应粒子滤波
KLD采样
动态粒子数
10
正则化粒子滤波
核密度估计
抗贫化
11
辅助粒子滤波
辅助变量
采样效率
12
边缘粒子滤波
Rao-Blackwellized
降维
13
粒子滤波参数估计
EM算法
在线学习
14
粒子滤波平滑
固定滞后/区间
前向后向
15
目标跟踪应用
单/多目标
数据关联
16
粒子滤波 SLAM
FastSLAM
栅格地图
17
金融时间序列
随机波动率
跳跃扩散
18
机器人定位
轮式定位
航迹推算
19
GPS/INS组合导航
松/紧耦合
非高斯处理
20
信号处理应用
信道均衡
盲均衡
21
生物医学应用
神经元解码
心电图
22
气象与海洋
数据同化
集合卡尔曼
23
工程实现技巧
C++/Python
实时性优化
24
粒子滤波并行化
GPU加速
多线程/分布式
25
局限性分析
维度灾难
退化问题
26
改进方向
变分/深度学习
混合滤波
27
对比卡尔曼滤波
线性高斯 vs 非高斯
28
对比无迹卡尔曼
精度/计算量/鲁棒性
29
评估指标
RMSE/有效粒子
多样性/时间
30
综合实战：无人机定位
非高斯噪声
系统设计与实现