摘  要：針對目標跟蹤問題介紹兩種目標跟蹤算法—粒子濾波算法（PF）、擴展卡爾曼算法（EKF）。PF算法采用蒙特卡洛采樣的貝葉斯濾波方法，將復雜的目標狀態(tài)表示為一組加權值，通過 尋找在粒子濾波分布中的最大權值粒子來確定目標最有可能的狀態(tài)分布。EKF利用泰勒級數(shù)方法，將非線性問題轉化為線性問題，再通過卡爾曼算法進行濾波，能夠達到一階估計精度。通過對二者進行仿真比較，證明在復雜的非高斯非線性條件下，PF的性能優(yōu)于EKF。 關鍵詞：目標跟蹤；非線性濾波；擴展卡爾曼濾波；粒子濾波 Abstract: PF is a Bay[登陸后可查看全文]