《粒子滤波算法及其应用》系统介绍粒子滤波算法的基本原理和关键技术，针对标准粒子滤波算法存在的粒子退化、计算量大的缺点介绍了多种改进的粒子滤波算法，包括基于重要性密度函数选择的粒子滤波算法、基于重采样技术的粒子滤波算法、基于智能优化思想的粒子滤波算法、自适应粒子滤波算法、流形粒子滤波算法等，并将粒子滤波算法应用于机动目标跟踪、语音增强、传感器故障诊断、人脸跟踪等领域，最后探讨了粒子滤波算法的硬件实现问题，给出了基于DSP和FPCA的粒子滤波算法实现方法。
　　《粒子滤波算法及其应用》可供高等院校电子信息、自动化、计算机应用、应用数学等有关专业高年级本科生和研究生，以及从事控制科学与工程、信号与信息处理领域的工程技术人员和研究人员参考阅读。

　　与传统的Kalman滤波理论相比，粒子滤波的实时性较差，其计算量随着粒子数的增加成级数增加。因此，粒子滤波算法的实时性问题使粒子滤波距离工程应用尚有一定距离。目前，降低粒子滤波计算量的方法主要有自适应粒子滤波（adaptive particle filter，APF）和实时粒子滤波（real-time particle filter，RTPF）。
　　（1）APF。APF是指所用的粒子数不再固定，而是随着信号环境的变化而自适应改变，剔除冗余粒子数可以降低算法实现的复杂度和运算量。目前，用于自适应改变粒子数的方法主要有两类：①基于似然函数的APF（LAPF），即所需的粒子数应能保证非归一化似然值的和超过某一预定的门限；②基于Kullback-Leibler（KL）信息数或KL距离（KLD）采样的APF（KLD APF），即通过粒子数的自适应变化来保证后验密度的真值与估计值之间的误差限，这种误差限用KLD表示。这两种方法都是当概率密度集中在状态空间的小范围内（即状态分布不确定性较小）时采用少量的粒子数，反之采用较多的粒子。但是，KLD APF的缺点是计算负荷过高；L-APF的优点是实现简单，缺点是权值方差对确定粒子数影响很大，而且还会增强粒子间的相关性，增加了高速并行实现的难度。
　　（2）RTPF。通常采用三种方法，即减少粒子集中的粒子数、丢弃数据或组合数据。第一种方法可能会因为粒子数的不足而导致滤波发散；第二种方法在状态剧变时会因为丢失有用数据而导致滤波发散；第三种方法需要对传感器数据作特殊的假定。此外，还可以将APF和RTPF相结合，得到自适应RTPF。

前言
第一篇 粒子滤波算法
第1章 绪论
1.1 粒子滤波的发展和应用
1.2 粒子滤波的缺点和现有的解决方法

第2章 Kalman滤波理论
2.1 标准Kalman滤波算法
2.2 α-β-γ滤波器
2.3 EKF滤波算法
2.4 MVEKF算法
2.5 UKF算法

第3章 从贝叶斯理论到粒子滤波
3.1 动态空间模型
3.2 贝叶斯估计理论
3.3 蒙特卡罗积分
3.4 序贯蒙特卡罗信号处理
3.5 粒子滤波

第4章 基于重要密度函数选择的改进粒子滤波算法
4.1 GHPF
4.2 EKPF
4.3 UPF
4.4 IMMPF算法
4.5 二阶中心差分粒子滤波
4.6 基于Stiefel流形的粒子滤波器研究
4.7 混合退火粒子滤波器研究

第5章 基于重采样技术的改进粒子滤波算法
5.1 重要性重采样粒子滤波器
5.2 基于MCMC的粒子滤波
5.3 AVPF
5.4 RPF
5.5 核K-粒子滤波算法(KPF)
5.6 基于权值选择的粒子滤波算法
5.7 线性优化重采样粒子滤波算法
5.8 基于Stiefel流形和权值优选的粒子滤波器(SM-WSPF)研究
5.9 基于Stiefel流形和线性优化重采样的粒子滤波器(SM-LOCR-PF)研究
5.10 其他常用的重采样方法
5.11 仿真分析

第6章 基于智能优化思想的粒子滤波算法
6.1 GPF算法
6.2 PSO-PF算法
6.3 AFSA-PF算法
6.4 AIPF算法
6.5 仿真分析

第7章 基于神经网络的粒子滤波算法
7.1 基于神经网络的重要性权值调整粒子滤波(NNWA-PF)算法
7.2 基于神经网络的重要性样本调整粒子滤波(NNISA-PF)算法
7.3 仿真分析

第8章 APF算法
8.1 似然分布自适应调整
8.2 样本数APF
8.3 改进APF
8.4 APF的仿真分析

第9章 其他粒子滤波算法
9.1 免重采样粒子滤波
9.2 MPF
9.3 分布式粒子滤波

第二篇 粒子滤波算法的应用
第10章 粒子滤波算法在机动目标跟踪中的应用
10.1 基于贝叶斯理论的目标跟踪技术
10.2 机动目标的运动模型
10.3 多目标跟踪中的联合概率数据关联方法
10.4 非线性、非高斯条件(闪烁噪声)下的机动目标跟踪
10.5 基于粒子滤波和JPDA的多目标跟踪数据关联算法
10.6 仿真实验

第11章 粒子滤波应用于语音信号增强
11.1 语音增强技术
11.2 TVAR模型
11.3 基于GPF的语音增强算法
11.4 语音信号增强仿真实验

第12章 粒子滤波应用于传感器故障诊断
12.1 故障诊断的方法
12.2 传感器故障诊断的基本原理
12.3 应用粒子滤波进行故障诊断
12.4 仿真实例分析

第13章 粒子滤波算法在人脸跟踪中的应用
13.1 人脸跟踪介绍
13.2 跟踪算法相关理论基础
13.3 基于直方图的均值偏移人脸跟踪算法
13.4 基于直方图的粒子滤波人脸跟踪算法
13.5 基于椭圆拟合的人脸跟踪算法
13.6 基于流形的人脸跟踪算法
13.7 人脸跟踪仿真

第14章 粒子滤波在倒立摆控制系统中的应用
14.1 引言
14.2 倒立摆控制系统模型
14.3 基于神经网络的倒立摆控制系统研究
14.4 粒子滤波优化神经网络倒立摆控制仿真

第15章 基于DSP实现的粒子滤波算法
15.1 FBPF算法
15.2 基于硬件实现的改进FBPF算法
15.3 实现改进FBPF算法的DSP
15.4 改进FBPF算法DSP实现的软件环境
15.5 改进FBPF算法的软件仿真与DSP实现
15.6 基于改进FBPF算法的GPS导航系统设计

第16章 基于FPGA的粒子滤波算法实现
16.1 基于FPGA的改进FBPF算法的总体设计
16.2 FPGA简介
16.3 改进FBPF算法的软件仿真与FPGA实现
参考文献