粒子滤波跟踪

卡尔曼滤波中密度传播更改从一个高斯到......另一个高斯分布。什么变化是均值和方差。这是非常好的如果我们的系统是线性的噪声是高斯。但如果它不是 （即杂波的数据等） — — 卡尔曼将失败 这是粒子滤波输入-在每个阶段，我们创建一个新的概率密度函数，可以采取任何形状 （不限于被高斯）。这种形状是由采样粒子，每个都有一个给定的重量和累计密度函数组成的。这将进一步阐述了在此工作表的延续。总之 — — 我们仍然正在计算可能性和先验概率和从中后部 （类似于卡尔曼），但我们使用更有活力的 （非高斯） 概率函数对系统进行建模。