目标跟踪系列-滤波-4.粒子滤波及重采样方法

滤波算法大全

1.核心思想

       粒子滤波是使用一组具有相应权值的随机样本(粒子)来表示状态的后验分布。该方法的基本思路是选取一个重要性概率密度并从中进行随机抽样，得到一些带有相应权值的随机样本后，在状态观测的基础上调节权值的大小和粒子的位置，再使用这些样本来逼近状态后验分布，最后将这组样本的加权求和作为状态的估计值。
粒子滤波不受系统模型的线性和高斯假设约束，采用样本形式而不是函数形式对状态概率密度进行描述，使其不需要对状态变量的概率分布进行过多的约束，因而在非线性非高斯动态系统中广泛应用。尽管如此，粒子滤波目前仍存在计算量过大、粒子退化等关键问题亟待突破。

粒子滤波（PF）原理详解

2.算法步骤

       Step 1: 根据p(xk-1)采样得到N个粒子xk-1(i) ∼p(xk-1)
    Step 2: 根据状态转移函数计算产生新的粒子为xk(i)
    Step 3: 计算重要性权值wk(i)   
    Step 4: 归一化重要性权值
    Step 5: 使用重采样方法对粒子进行重采样
    Step 6: 对新产生的粒子加权得到k时刻的后验状态估计