粒子滤波（PF）与自适应粒子滤波（APF）在三维动态系统状态估计中的对比，使用Sage Husa自适应的思想|无需下载，订阅专栏后可看到完整代码

原创已于 2025-01-05 10:56:45 修改 · 627 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#android

于 2024-12-24 07:46:49 首次发布

MATLAB创新性滤波例程分享专栏收录该内容

43 篇文章 ¥49.90 ¥99.00

订阅专栏

在这里插入图片描述

本文所述的MATLAB代码实现了粒子滤波（PF）与自适应粒子滤波（APF）在三维动态系统状态估计中的对比。
如需定制、答疑，可通过文末卡片联系作者

文章目录

源代码
运行结果
代码结构分析
总结

源代码

完整源代码如下：

% Sage Husa自适应的APF三维滤波效果对比

% 2024-12-23/Ver1
clear; clc; close all; % 清空工作空间、命令窗口和关闭所有图形窗口
rng(0); % 设置随机数生成器的种子，确保结果可复现
%% 参数设置
N = 100

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

MATLAB卡尔曼

关注关注

19
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

【自适应粒子滤波 代码】Sage Husa自适应粒子滤波，用于克服初始Q和R不准确的问题，一维非线性滤波。附有完整的MATLAB代码

985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

10-20

306

本文提出了一种Sage Husa自适应粒子滤波方法，用于解决初始噪声协方差矩阵Q和R不准确导致的滤波误差问题。通过一维非线性状态和观测模型，验证了算法的有效性。MATLAB仿真结果表明：自适应粒子滤波能准确估计观测噪声协方差R，其状态估计误差(RMSE=0.5636)明显优于传统粒子滤波(RMSE=1.1886)和未滤波结果(RMSE=1.0007)。算法采用遗忘因子实现噪声协方差的动态更新，并提供了完整的可运行代码。误差对比曲线和噪声估计曲线直观展示了算法的优越性能，为非线性系统的状态估计提供了有效解决方

【MATLAB代码|自适应PF】基于Sage Husa的自适应粒子滤波，三维状态量，非线性的状态与观测。对比自适应与经典PF|附代码

985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

10-27

360

本文对比了标准粒子滤波(PF)与基于Sage-Husa自适应估计的自适应粒子滤波(APF)在三维非线性系统中的性能。通过MATLAB仿真实验，结果显示：在观测噪声协方差R存在12倍缩放误差的情况下，APF能够自适应调整噪声参数，其估计精度明显优于标准PF。文中的三维状态曲线、误差对比图和CDF曲线直观展示了APF的优越性能，同时提供了完整的MATLAB源代码实现。实验表明，APF通过自适应调节过程噪声Q和观测噪声R，能有效提高非线性系统的滤波精度和鲁棒性。

参与评论您还未登录，请先登录后发表或查看评论

Sage husa下的自适应粒子滤波（PF）代码

985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

12-25

867

该 MATLAB 代码旨在比较传统粒子滤波（PF）与自适应粒子滤波（APF）的效果，特别是在三维状态跟踪的场景下。通过引入Sage-Husa算法，该代码实现了对观测噪声的自适应调整，以提高滤波器的性能。

自适应粒子滤波及实现：如何计算粒子数

Mark_SLAM的博客

07-29

6937

自适应粒子滤波：如何计算粒子数在传统的基于图像的目标跟踪和检测算法中，粒子滤波经常被提到。但是，翻各种资料的时候，大段大段的公式，让人根本看不下去。其实，粒子滤波的基本思想还是很直接明了的，但是非常有用。下面推荐一个自己认为写得不错的内容，作为入门。怎样从实际场景上理解粒子滤波（Particle Filter）下面评论里边有代码和例程，可以一块学习。下面博客的内容，打算接着上面那个...

【MATLAB代码】二维非线性系统的自适应粒子滤波（APF），基于SageHusa原理，与标准PF、未滤波值进行对比

985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

10-21

480

本文提出了一种结合Sage-Husa自适应机制的自适应粒子滤波(APF)算法，用于解决非线性系统的状态估计问题。该算法通过动态调整过程噪声协方差Q和观测噪声协方差R，在噪声特性未知或时变条件下实现更准确的状态跟踪。MATLAB仿真结果表明，相比传统粒子滤波(PF)，APF算法在状态估计精度上有显著提升。文中给出了完整的实现代码，包括系统重采样和噪声矩阵的正定保证处理，可直接运行验证算法性能。误差对比曲线显示，APF能有效降低估计误差，适用于复杂环境下的状态估计任务。

【自适应PF例程】基于Sage Husa的自适应粒子滤波与经典PF对比，MATLAB编写，可直接运行。三维状态量，非线性的状态与观测。附代码下载链接

985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

10-29

880

本文对比了标准粒子滤波(PF)与自适应粒子滤波(APF)在三维非线性系统中的性能表现。APF引入Sage-Husa自适应噪声估计机制，能够动态调整滤波参数以适应环境变化。实验结果显示，当观测噪声假设错误时(实际噪声为初始假设的12倍)，标准PF性能显著下降，而APF通过自动修正噪声估计，使误差分布更集中、收敛更稳定，展现出更强的鲁棒性和自适应能力。仿真结果包括三维状态轨迹对比、误差曲线及累积分布图、噪声自适应过程曲线等，验证了APF在非线性系统中的优越性。

【MATLAB例程】二维非线性系统的自适应粒子滤波（APF），基于SageHusa原理，与标准PF、未滤波值进行对比|附代码下载链接

985工科博士毕业，专攻定位、导航和滤波等算法研究。从业10年，主要使用MATLAB

11-01

817

本文提出了一种基于Sage-Husa自适应机制的自适应粒子滤波算法(APF)，用于非线性系统的状态估计。该算法融合了传统粒子滤波的蒙特卡洛模拟优势与实时噪声参数调整能力，解决了系统噪声特性未知或时变的挑战。核心创新在于采用双重滤波架构（标准PF与自适应PF对比），通过Sage-Husa机制动态调整过程噪声(Q_sh)和观测噪声(R_sh)，并引入0.95遗忘因子平衡历史信息权重。实验结果表明，该算法在非线性状态空间模型中表现优异，通过重要性采样、权重计算和系统重采样等关键技术，有效提升了估计精度。全面的性能

7、粒子滤波方法在非结构化场景中的合作定位应用

v5w6x的博客

07-02

本文详细介绍了粒子滤波方法在非结构化场景中的合作定位应用。粒子滤波作为一种基于蒙特卡罗方法的递归贝叶斯估计技术，具有处理非线性和非高斯分布问题的能力，适用于复杂的定位任务。文章分析了粒子滤波的基本原理、合作定位的工作机制，并通过实验验证了其在多机器人协作中的定位精度和鲁棒性优势。同时，文章探讨了粒子滤波的优化方法，如自适应粒子滤波、高斯混合粒子滤波和粒子群优化粒子滤波，以及其在仓储物流、灾害救援和农业机器人等实际场景中的应用。未来，粒子滤波方法将结合深度学习和高效计算技术，进一步提升其性能和应用范围。

【2025算法面试通关】【七.SLAM-激光SLAM】【50. 粒子滤波（PF）与八叉树地图面试题100+（含大厂高频考点解析）】

商务合作|问题讨论|交流学习请联系作者微信，加微信请务必注明来意，博客主页有联系方式

04-15

745

答：粒子滤波是基于蒙特卡洛方法的递归贝叶斯滤波算法，核心思想是用大量随机样本（粒子）描述概率分布，通过重要性采样和重采样迭代更新后验概率分布。

【自适应PF例程】基于Sage Husa的自适应粒子滤波与经典PF对比，MATLAB编写，可直接运行三维状态量，非线性的状态与观测

10-26

程序展示了标准粒子滤波（Particle Filter, PF）与基于 Sage–Husa 自适应估计的自适应粒子滤波（Adaptive Particle Filter, APF）在三维非线性系统中的对比效果。算法以非线性状态和观测模型为背景，通过随机粒子...

【MATLAB例程】二维非线性系统的自适应粒子滤波（APF），基于SageHusa原理，与标准PF、未滤波值进行对比

10-19

本代码为基于Sage-Husa自适应调节机制的自适应粒子滤波算法，用于解决非线性系统的状态估计问题。该算法结合了传统粒子滤波的蒙特卡洛模拟优势和自适应噪声估计能力，能在系统噪声特性未知或时变的情况下实现准确的...

【Android 性能分析】第五天：Perfetto UI分析CPU

最新发布

u012739527的博客

01-07

897

Perfetto UI是一款基于浏览器的系统级性能分析工具，可解析CPU调度、内存分配等数据，提供应用-系统-硬件全链路分析。支持多种trace文件格式，具有交互灵活、跨平台等特点。使用前需通过Android Studio Profiler或命令行生成trace文件。核心操作包括导入文件、主界面解析及交互技巧（缩放、搜索、轨道管理等）。典型分析场景包括CPU负载均衡、线程调度状态及方法耗时分析，帮助定位性能问题。

Android godot 交互数据监听

火星男孩的分享空间

01-06

163

【代码】Android godot 交互数据监听。

SpringBoot集成ShardingSphere分表

人不风流枉少年

01-07

二：table tb_pay_info tb_income_account_book 三：entity 四：mapper 五：application.yml mode: 运行模式配置 type: Memory指定ShardingSphere的运行模式为内存模式，不使用注册中心，配置信息仅在内存中保存。 datasource: 数据源配置 names: ds：定义数据源名称列表 ds：具体数据源配置 rules: 分片规则配置，包括： tables: 表分片配置 actual-da

Android15 框架层Java代码中的各种打印接口

hongyeying的专栏

01-05

228

Android15源代码中ProtoLog定义于frameworks/base/core/java/com/android/internal/protolog/ProtoLog.java，包名为com.android.internal.protoLog//打印接口//使能控制//（单例）对象及初始化。

android compose CheckBox, RadioGroup 使用

maoning20080808的专栏

01-03

516

android compose CheckBox, RadioGroup 使用

序列化绕过-攻防世界-unseping

小荷才露尖尖角，一枝红杏出墙来！

01-05

486

本文分析了一个PHP反序列化漏洞利用案例。代码中存在一个ease类，通过反序列化可触发ping方法执行系统命令。waf过滤了常见危险字符，但可通过\转义、${IFS}、八进制编码等方式绕过。给出了三种payload构造方法：1)利用${IFS}和字符串分割绕过；2)使用制表符\x09和换行符\x0a；3)直接使用find命令。最终通过POST传递base64编码的序列化对象实现命令执行，获取flag。

Android Safety 系列专题【篇三：Secure Boot机制】

qq_27672101的博客

01-06

687

Secure Boot从字面上面来讲，是安全启动，就是为了保证设备里刷入的镜像是安全的，这里安全的意思是，这些刷入的镜像是由厂商编译生成的，而不是刷入的别的厂商或者恶意破坏后的镜像。Secure boot主要是保证BP 侧镜像，在加载kernel 之前的镜像的安全，防止刷入设备的镜像，不是由厂商自己编译生成，使设备遭受到恶意攻击。

Android里面的layer、DisplayList和hardwarebuffer之间是什么关系

Programming is a highly artistic endeavor

01-07

601

Android图形渲染流程包含三个核心组件：DisplayList(渲染节点树)记录绘制指令，HardwareBuffer(图形缓冲区)存储像素数据，Layer(图层)管理合成属性。DisplayList在应用进程CPU侧录制绘制命令，GPU执行后输出到HardwareBuffer，该缓冲区通过跨进程共享传递给SurfaceFlinger。SurfaceFlinger将HardwareBuffer封装为Layer，附加位置、透明度等合成属性，最终将所有Layer合成为显示画面。三者分别对应绘制指令、像素数据

基于MATLAB的正则化粒子滤波算法实现与跟踪分析

正则化粒子滤波（Regularized Particle Filter, RPF）是一种在非线性、非高斯动态系统中进行状态估计的先进贝叶斯滤波方法，其核心思想是基于蒙特卡洛采样原理，通过一组带有权重的随机样本（即“粒子”）来近似系统...