粒子滤波
粒子滤波的状态转移方程和观测方程如下:
其中的x(t)为t时刻状态,u(t)为控制量,w(t)和e(t)分别为状态噪音和观测噪音,粒子滤波从观测y(t)和上个时刻状态x(t - 1),u(t),w(t)中过滤出t时刻的状态x(t)的过程如下:
1、初始状态:用大量粒子模拟X(t),粒子在空间均匀分布。
2、预测阶段:要依据上个时间点系统的状态的概率分布来采样,产生的样本称为粒子,它们的分布就是上个时间点系统状态的概率分布,根据状态转移方程,每个粒子得到一个预测粒子;
3、校正阶段:根据条件概率对预测粒子进行评价,该条件概率值即为粒子的权重,越接近于真实状态的粒子,其权重越大。
4、重采样:根据粒子权重对粒子进行筛选,即要大量保留权重大的粒子,又要有一小部分权重小的粒子。
5、将重采样后的粒子带入步骤2状态转移方程得到新的预测粒子
粒子滤波理论
从贝叶斯理论的角度看,状态估计问题(目标跟踪、信号滤波)就是根据之前一系列的已有数据(后验知识)递推地计算出当前状态的可信度,即,它需要通过预测和更新连个步骤来递推计算。