粒子滤波的通俗解释，傻子的搜寻策略--我的理解_拔剑-浆糊的传说_新浪博客

我理解的粒子滤波 （ 三个臭皮匠，赛过诸葛亮，有策略地盲目搜寻,实际是一种搜索优化算法 ）：

本质上就是随机采用+随机重采用的循环过程：

（ 1 ）基于已有知识（先验概率密度分布，如卡尔曼滤波的状态方程和噪声特性；或者假设均匀分布，就在一个空间均匀生成样本），生成 N 个初始样本
（ 2 ）对每个生成的样本利用当前观测值（以及观测方程+观测噪声的分布特性）计算符合度，并依据符合度，并对置信度高的样本更多的权限生成下一代的机会，对置信度低的样本更少的机会生成下一代，对置信度极低的样本直接淘汰（这个有一定风险，但是必须的）
   —— 为了避免组合爆炸，可以让每一代的总体样本一致或者不超过固定值

    ——  对比来说，卡尔曼滤波，总是从上一个状态递推，依据观测值给出信息，让后建立联合概率密度分布，直接估计最优值。 而粒子滤波比较傻，它依据状态方程及噪声的分布，直接生成 N 的样本，然后用观测方程去评估其可能性。然后下一步递推时，这些上一代的粒子都会利用状态方程继续生成新一代的粒子，继续利用观测方程评价，本质上是有策略地在空间搜索。从这个角度上讲，粒子滤波可能没有卡尔曼滤波准，但它会比卡尔曼滤波稳！！！

因此：

—— 由后验信息（即：观测方程）建立评价函数很重要，

—— 粒子的总数选择是个二难的问题，精度取决于样本数目，但样本太大会组合爆炸！

—— 新一代粒子的生成策略也很重要，当前评估出来的最优样本未必实际最优样本，和遗传算法类似。

—— 什么时候淘汰不合适的样本，也很玄妙！淘汰太慢会组合爆炸-淘汰太快有可能因为噪声把当前最佳样本淘汰