粒子濾波是在貝葉斯濾波的基礎上，結合蒙特卡洛方法實現遞推後驗概率。對於一般的線性高斯系統有比較好的效果，但是對於一般的非線性非高斯系統，貝葉斯濾波效果並不好。所以引入蒙特卡洛方法，蒙特卡洛方法簡單來說就是通過大量的隨機樣本，去了解乙個系統，進而得到所要計算的值。再引入蒙特卡洛方法後相應也伴隨著一些問題，粒子濾波就是在這樣不斷地優化中產生的。
粒子濾波
我們在用粒子濾波進行目標跟蹤的時候，現在主要應用是單目標跟蹤，在移動目標上用滑鼠選取要跟蹤的區域，再計算目標區域的顏色直方圖作為目標模板便於後面跟蹤時的匹配。這是rob hess實現粒子濾波的形式，但他的**找不到了，好多鏈結都失效了。以下就討論粒子濾波（sir粒子濾波）的一般流程。
目標模型
運動模型
定義取樣樣本，每個粒子運動模型為s=，其中x，y是中心位置，vx和vy是粒子在x、y方向上的運動速度，hx和hy表示選定區域的寬和高。
sir粒子濾波
1、根據先驗資訊初始化粒子狀態分布，設定目標特徵的初始權重係數。
2、重要性取樣
3、權值更新====>更新每個粒子的權重係數
4、根據當前的粒子分布，在更新特徵對應的權重係數
5、重取樣
6、狀態估計
下面是幾張簡圖：
粒子濾波學習筆記（四）
前面我們分析了粒子濾波的基本原理，在這裡我給出乙個比較經典的例子用matlab 並給出 概率表示p xn x n 1 n x k f xk 1 k qk 1 p zk x k n zk,x2k20 rk 狀態空間等價表示xk f x k 1,k v k 1 zk x 2k20 nk其中狀態轉移方程為...
粒子濾波（PF Particle Filter）
粒子濾波 pf particle filter 與卡爾曼濾波 kalman filter 相比較 粒子濾波 pf particle filter 的思想基於蒙特卡洛方法 monte carlo methods 它是利用粒子集來表示概率，可以用在任何形式的狀態空間模型上。其核心思想是通過從後驗概率中抽...
粒子濾波概述
粒子濾波器是貝葉斯濾波器的一種非引數執 況，且經常用於估計乙個動態系統的狀態。粒子濾波器的關鍵思想是採用一套假設 即粒子 來表示後驗概率，其中每乙個假設代表了這個系統可能存在的一種潛在狀態。狀態假設表示為乙個有 n 個加權隨機樣本的集合 s s left w i 1,2,n right 式中 s 是...