粒子滤波（Particle Filter）的通俗解释

其实，粒子叫作估计器estimator。估计过去叫平滑smoothing，估计未来叫预测prediction，估计当前值才叫滤波filtering。粒子滤波算法源于蒙特卡洛思想，即以某事件出现的频率来指代该事件的概率。通俗的讲，粒子滤波也是能用已知的一些数据预测未来的数据。我们知道，科尔曼滤波限制噪声时服从高斯分布的，但是粒子滤波可以不局限于高斯噪声，原理上粒子滤波可以驾驭所有的非线性、非高斯系统。

一个比喻：

某年月，警方（跟踪程序）要在某个城市的茫茫人海（采样空间）中跟踪寻找一个罪犯（目标），警方采用了粒子滤波的方法。

初始化：

警方找来了一批警犬（粒子），并且让每个警犬预先都闻了罪犯留下来的衣服的味道（为每个粒子初始化状态向量S0），然后将警犬均匀布置到城市的各个区（均匀分布是初始化粒子的一种方法，另外还有诸如高斯分布，即：将警犬以罪犯留衣服的那个区为中心来扩展分布开来）。

搜索：

每个警犬都闻一闻自己位置的人的味道（粒子状态向量Si），并且确定这个味道跟预先闻过的味道的相似度（计算特征向量的相似性），这个相似度的计算最简单的方法就是计算一个欧式距离（每个粒子i对应一个相似度Di），然后做归一化（即：保证所有粒子的相似度之和为1）。

决策：

总部根据警犬们发来的味道相似度确定罪犯出现的位置（概率上最大的目标）：最简单的决策方法为哪个味道的相似度最高，那个警犬处的人就是目标。

重采样：

总部根据上一次的决策结果，重新布置下一轮警犬分布（重采样过程）。最简单的方法为：把相似度比较小的地区的警犬抽调到相似度高的地区。

上述，2,3,4过程重复进行，就完成了粒子滤波跟踪算法的全过程。

粒子滤波的核心思想是随机采样+重要性重采样。既然不知道目标在哪里，那我就随机的放狗（随机采样）。放完狗后，根据特征相似度计算每个地区人和罪犯的相似度，然后在重要的地方再多放狗，不重要的地方就少放狗（重要性采样）。

参考：
http://www.cnblogs.com/konlil/archive/2012/02/05/2339142.html

粒子滤波（Particle Filter）的通俗解释相关推荐

粒子滤波 particle filter —从贝叶斯滤波到粒子滤波—Part-III（重要性采样序贯重要性采样SIS）
粒子滤波 particle filter -从贝叶斯滤波到粒子滤波-Part-III(重要性采样&序贯重要性采样SIS) 原创不易,路过的各位大佬请点个赞机动目标跟踪/非线性滤波/传感器融合 ...
高斯粒子滤波matlab,粒子滤波(Particle filter)matlab实现 | 学步园
粒子滤波是以贝叶斯推理和重要性采样为基本框架的.因此,想要掌握粒子滤波,对于上述两个基本内容必须有一个初步的了解.贝叶斯公式非常perfect,但是在实际问题中,由于变量维数很高,被积函数很难积分,常 ...
粒子滤波(Particle filter)
https://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html https://blog.csdn.net/zxia1/artic ...
粒子滤波实现刀具寿命预测
粒子滤波实现刀具寿命预测(附python代码) (代码更新,增加重采样函数) 背景介绍刀具失效是加工过程中的主要问题,通过多特征融合方法实现刀具磨损量预测后建立了刀具的健康指标.接下来就是利用得到的 ...
蒙特卡洛粒子滤波定位算法_粒子滤波——来自哈佛的详细的粒子滤波器教程【1】...
本文原版链接:https://www.seas.harvard.edu/courses/cs281/papers/doucet-johansen.pdf 本文是哈佛大学相关研究人员于2008年发表的一 ...
Particle Filter Tutorial 粒子滤波：从推导到应用
转载自作者白巧克力亦唯心的文章:粒子滤波文章目录 1.贝叶斯滤波 2.蒙特卡洛采样 3.重要性采样 4.SIS Filter(Sequential Importance Sampling) 5.重采 ...
Particle Filter Tutorial 粒子滤波：从推导到应用（四）
六.Sampling Importance Resampling Filter (SIR) SIR滤波器很容易由前面的基本粒子滤波推导出来,只要对粒子的重要性概率密度函数做出特定的选择即可.在SIR中 ...
Particle Filter Tutorial 粒子滤波：从推导到应用（三）
五.重采样在应用SIS 滤波的过程中,存在一个退化的问题.就是经过几次迭代以后,很多粒子的权重都变得很小,可以忽略了,只有少数粒子的权重比较大.并且粒子权值的方差随着时间增大,状态空间中的有效粒子数 ...
Particle Filter Tutorial 粒子滤波：从推导到应用（二）
二.蒙特卡洛采样假设我们能从一个目标概率分布p(x)中采样到一系列的样本(粒子),(至于怎么生成服从p(x)分布的样本,这个问题先放一放),那么就能利用这些样本去估计这个分布的某些函数的期望值.譬如 ...

粒子滤波（Particle Filter）的通俗解释

粒子滤波（Particle Filter）的通俗解释相关推荐

最新文章

热门文章