5 与其他非线性滤波方法的比较
随着粒子滤波方法在许多领域中的成功应用,研究人员认为在解决所 有状态估计的滤波问题时，获得滤波性能最好的方法就是粒子滤波算法 ，它甚至优于卡尔曼滤波方法。实际上，粒子滤波作为处理非线性系统 状态估计问题的方法之一，也存在着算法适应性和估计精度问题。
5 与其他非线性滤波方法的比较
m 记录样本 xk ，并将其作为新样本集中的采样，将区间[ 0, 1] i 按 i w j (i 1, 2, , n) 分成 n个小区间，当随机数 ul 落在第m个区 j 0 m 间 I m m1 时，对应样本 xk 进行复制。 在采样总数仍保持为n的情况下，权值较大的样本被多次复制，从 而实现重采样过程。显然，重采样过程是以牺牲计算量和鲁棒性来降 低粒子数匮乏现象。
（5）
蒙特卡罗方法的核心是将式( 2) 中的积分问题转化为有限样本点的概 率转移累加过程，但在实际中由于 p xk z1:k 可能是多变量、非指概率分布与 p xk z1:k 相同, 概率密度分布 q x0:k z1:k 已知且容易从中采样的分布函数，重要性 采样需要得到k 时刻以前所有的观测数据。因此实际中多采用可实现递 推估计的SIS算法。
5 与其他非线性滤波方法的比较
5.3 EKF，UKF，PF3种算法的比较 EKF和UKF都是针对非线性系统的线性卡尔曼滤波方法的变形和改 进形式，因此受到线性卡尔曼滤波算法的条件制约, 即系统状态应满足高 斯分布。表1给出了不同状态方程和观测方程的概率分布特性时的不同滤 波方法 表1 各种滤波算法的适应性范围
i i ˆ p ( xk , z1:k ) wk K h ( xk xk ) i 1 n
（15）
其中K（）和h分别是满足 ˆ ˆ）= E[ [ p ( xk , z1:k ) p ( xk , z1:k )]2 dxk ] （16） p MISE（ 的核密度函数和核带宽系数。
