粒子滤波基础认识
粒子滤波粒子核心思想:
-基于贝叶斯概率,随机采样+重要采样进行估算。
关键:重要性密度函数的选择。
粒子滤波步骤:
根据初始化状态变量 —>生成采样数据(按照一定的生成规则,如随机规则,均匀分布规则)—> 计算预测数据点(根据采样数据,及状态方程计算)—> 计算加权系数(根据实际观测值与根据每个预测点数据估算的输出值进行对比,计算加权系数,加权系数规则根据需求自定义)—>重新采样数据点(根据权重,重对前面采集的数据进行过滤,重新采样,权重小的少取,权重大的多取)—>估算真实数据(对重新采样的数据取均值,或用其他规则来定义估算;重新采样的数据作为下一个时刻的采样数据)
粒子滤波的优缺点
优点:计算量相对于卡尔曼计算小,不能计算协方差。
缺点:严重依赖于对初始状态的估计,可能很快收敛,也可能很快发散;有粒子退化问题,由于根据权重采样,又有粒子匮乏,丢失部分数据等问题。
粒子滤波常用方法
以下具体滤波方法还只作了基础了解,需要进一步理解应用。
1、经典粒子滤波(Sampling Importance Resampling,SIR)
补充:序贯重要性采样(sequential importance sampling