Particle filter 置换粒子滤波器中的重采样

请帮忙。跟踪帧中对象的压缩算法步骤如下：

初始化一个点并在其周围选择N个随机点，然后将权重设置为1/N

根据动力学模型（等速模型）传播点

现在，使用观察模型计算每个粒子的权重。到目前为止，共有N个粒子

现在，在重采样步骤中，从上述粒子集中拾取N个粒子

---

什么？我们如何从N个粒子中挑选N个粒子？

我不知道需要多少细节…如果大部分都知道，请原谅。粒子滤波器试图根据观测值y_1，…，y_t估计后验分布p（x_t | y_1，…，y_t）。“纠正步骤”依赖于简化：

p(x_t|y_1,...,y_t) = p(y_t|x_t)p(x_t|y_1,...,y_t-1)/p(y_t|y_1,...,y_t-1) 

从该后验分布中采样N个点，然后根据右侧进化以近似下一个后验分布。我们不是在处理法线，所以我们需要的近似值不只是2个矩。然后，下一步的N个点从新的后验点重新采样，而不仅仅是使用旧点，无论它们在哪里。原因是众所周知的简并效应——除1之外的所有点都趋向于0

---

因此，我们不是从N个粒子中选取N个粒子，而是丢弃旧粒子，并从后验粒子的新估计值中重新采样N。

我们如何从N个粒子中选取N个粒子

通过替换拾取N个粒子，即可以根据指定给它的权重多次选择一个粒子

如果有3个粒子，权重为[0.1 0.2 0.7]，则选择第3个粒子两次，第2个粒子一次，因此选择了从3个粒子本身获取3个粒子

有很多技术可以完成这一步，即对N个粒子进行重采样。甚至我也只想为这一部分编写代码

您可以从以下网站了解重采样：-

• Udacity-机器人人工智能-

• IEEE论文-在线粒子滤波器教程。。。。阿鲁兰帕兰，戈登·马斯克尔，这是一篇被高度引用的论文，几乎每个地方的人们都只从这里引用了粒子过滤器的参考资料

• 这篇论文是课堂教程，他们很好地解释了重采样，只需遵循算法，我认为您的代码将完成重采样

---

有许多粒子重采样技术：多项式、确定性和残差。Nando de Freitas实现了一种用于切换线性动态系统的粒子滤波器，包括上述重采样算法：