粒子滤波
Posted zbxzc
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了粒子滤波相关的知识，希望对你有一定的参考价值。
基本思想
所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。采用数学语言描述如下: 对于平稳的随机过程, 假定k - 1 时刻系统的后验概率密度为p ( xk-1 zk-1 ) , 依据一定原则选取n 个随机样本点, k 时刻获得测量信息后, 经过状态和时间更新过程, n 个粒子的后验概率密度可近似为p ( xk zk ) 。随着粒子数目的增加, 粒子的概率密度函数逐渐逼近状态的概率密度函数, 粒子滤波估计即达到了最优贝叶斯估计的效果。
粒子滤波算法摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件, 并在一定程度上解决了粒子数样本匮乏问题, 因此近年来该算法在许多领域得到成功应用。
贝叶斯滤波
动态系统的状态空间模型可描述为
以上是关于粒子滤波的主要内容，如果未能解决你的问题，请参考以下文章
粒子滤波PF—从贝叶斯滤波到粒子滤波PF—Part-V（粒子滤波PF）
粒子滤波PF—从贝叶斯滤波到粒子滤波PF—Part-IV（粒子退化和重采样）
粒子滤波 particle filter — 从贝叶斯滤波到粒子滤波—Part-IV（粒子退化和重采样）
粒子滤波 particle filter — 从贝叶斯滤波到粒子滤波—Part-IV（粒子退化和重采样）