particle resampling

粒子滤波（Particle Filtering）是一种基于贝叶斯理论的序贯蒙特卡洛方法，用于估计动态系统的状态。粒子滤波通过构建一组粒子（即随机样本集合），来近似描述系统状态的概率分布。每个粒子代表一个可能的状态，其权重表示该状态出现的可能性。随着观测数据的不断更新，粒子滤波会根据贝叶斯公式调整粒子的权重，使得与观测数据更匹配的粒子具有更高的权重。然后，通过重采样（Resampling）过程，保留高权重粒子，丢弃低权重粒子，从而更新粒子集。这个过程重复进行，使得粒子集逐渐逼近真实的系统状态分布。粒子滤波因其简单、有效和灵活性而广泛应用于非线性、非高斯系统的估计问题。