我理解的粒子濾波（三個臭皮匠，賽過諸葛亮，有策略地盲目搜尋,實(shí)際是一種搜索優(yōu)化算法）： 本質(zhì)上就是隨機(jī)采用+隨機(jī)重采用的循環(huán)過程： （1）基于已有知識（先驗(yàn)概率密度分布，如卡爾曼濾波的狀態(tài)方程和噪聲特性；或者假設(shè)均勻分布，就在一個空間均勻生成樣本），生成N個初始樣本
（2）對每個生成的樣本利用當(dāng)前觀測值（以及觀測方程+觀測噪聲的分布特性）計算符合度，并依據(jù)符合度，并對置信度高的樣本更多的權(quán)限生成下一代的機(jī)會，對置信度低的樣本更少的機(jī)會生成下一代，對置信度極低的樣本直接淘汰（這個有一定風(fēng)險，但是必須的）
?? —— 為了避免組合爆炸，可以讓每一代的總體樣本一致或者不超過固定值
?? ——?對比來說，卡爾曼濾波，總是從上一個狀態(tài)遞推，依據(jù)觀測值給出信息，讓后建立聯(lián)合概率密度分布，直接估計最優(yōu)值。而粒子濾波比較傻，它依據(jù)狀態(tài)方程及噪聲的分布，直接生成N的樣本，然后用觀測方程去評估其可能性。然后下一步遞推時，這些上一代的粒子都會利用狀態(tài)方程繼續(xù)生成新一代的粒子，繼續(xù)利用觀測方程評價，本質(zhì)上是有策略地在空間搜索。從這個角度上講，粒子濾波可能沒有卡爾曼濾波準(zhǔn)，但它會比卡爾曼濾波穩(wěn)！！！

因此：

—— 由后驗(yàn)信息（即：觀測方程）建立評價函數(shù)很重要，

—— 粒子的總數(shù)選擇是個二難的問題，精度取決于樣本數(shù)目，但樣本太大會組合爆炸！

—— 新一代粒子的生成策略也很重要，當(dāng)前評估出來的最優(yōu)樣本未必實(shí)際最優(yōu)樣本，和遺傳算法類似。

—— 什么時候淘汰不合適的樣本，也很玄妙！淘汰太慢會組合爆炸-淘汰太快有可能因?yàn)樵肼暟旬?dāng)前最佳樣本淘汰

?

總結(jié)

以上是生活随笔為你收集整理的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_新浪博客的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。