Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Based on the concept of sequential importance sampling (SIS) and the use of Bayesian theory, particle filter is particularly useful in dealing with nonlinear and non-Gaussian problems. In this paper, a new particle filter is proposed that uses a divided difference filter to generate the importance proposal distribution is proposed. The proposal distribution integrates the latest measurements into system state transition density so it can match the posterior density well. The simulation results show that the new particle filter performs superior to the generic particle filter and other particle filters such as the extended Kalman particle filter and the unscented particle filter.