粒子滤波

粒子滤波（Particle Filter）是一种序贯蒙特卡洛方法，本质上是蒙特卡洛方法在时间序列上的应用。它在自动驾驶、机器人定位和导航等领域有广泛应用。

原理

粒子滤波通过维护一组加权粒子（样本）来近似系统的后验概率分布。每个粒子代表系统的一个可能状态，权重表示该状态的可能性。随着新观测数据的到来，粒子被更新和重采样，从而实现对动态系统状态的实时估计。

与蒙特卡洛方法的关系

粒子滤波是蒙特卡洛方法在序贯推断中的自然延伸，属于序贯蒙特卡洛（Sequential Monte Carlo）方法家族。它与MCMC一样，解决了经典蒙特卡洛方法在复杂分布上的采样效率问题，但侧重于动态系统的在线推断。

应用

• 自动驾驶中的目标跟踪
• 机器人定位与导航
• 信号处理与通信

关联

• [[蒙特卡洛方法]] — 基础方法
• [[马尔可夫链蒙特卡洛]] — 相关方法
• [[physical-ai]] — 应用领域