这两种滤波方法的本质区别在于准则和假设。首先,卡尔曼滤波以最小均方误差(MMSE)为准则,而粒子滤波则以最大后验概率为准则。其次,粒子滤波不要求系统线性化和后验概率的高斯假设,因此它是一种非线性、非高斯的滤波方法。无论是卡尔曼滤波还是粒子滤波,它们都利用从初始时刻到当前时刻的所有数据来估计当前状态。这类...
当然,粒子滤波与集合卡尔曼滤波也有着区别,主要在于两者的更新步,读者已经看到了,粒子滤波的更新步不需要进行任意的线性假设,照常理来说,它应该比集合卡尔曼滤波优秀得多。然而实践中的经验并非如此,许多研究发现尽管集合卡尔曼滤波所应用的数值模式本身,偏离了它的假设(比如模式状态的概率密度函数是非高斯的,观测算子...