讲述粒子滤波原理，包括实例仿真程序，对初学者很有用。

个人认为比较好的粒子滤波程序，matlab编写

文档详细介绍了粒子滤波器的由来、优缺点，公式推导有理有据易于理解，避免晦涩难懂。

matlab粒子光代码粒子过滤器 地形参考导航的标准粒子滤波器、辅助粒子滤波器、混合粒子滤波器、乱序粒子滤波器的MATLAB实现 如何运行： 运行 main_OOSM.m 如果您发现此代码有帮助，请引用以下论文： Youngjoo Kim 等人，“利用序列外测量进行粒子过滤中的模糊更新”，IEEE 航空航天和电子系统汇刊，54(1)，2018 年。可用：

为实现在无法接收到卫星信号的复杂室内环境下行人精确定位与导航,提出一种多源信息融合的室内定位方法,通过融合智能手机中方向传感器数据进行室内行人航位推算(PDR),采集室内环境中的WiFi与蓝牙信号信息进行信号强度匹配及修正PDR累计误差;针对室内复杂环境下WiFi指纹定位精度低的情况,提出一种将随机森林(RF)分类与改进的K最近邻(KNN)算法相结合的WiFi指纹定位算法,降低计算复杂度,提高定位精度;在改进的WiFi指纹定位算法及多源信息融合分析的基础上,提出使用粒子滤波及地图约束的方法,进一步提高定位精度。实验结果表明:结合粒子滤波及地图约束的多源信息融合定位结果方法估计的路径与真实路径最

该文件采用粒子滤波跟踪的方法对运动目标进行跟踪，该文件中含有一个原始视频，运行目标跟踪文件后，可以对视频图像中的目标进行跟踪，跟踪后将跟踪结果以视频文件的格式存储，同时该文件中还有将视频文件转化为图片的MATLAB程序，MOV2PIC,运行该程序可以将任意视频文件转化为每一帧图片，对于研究目标跟踪的同志有借鉴作用。

所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。

针对粒子滤波算法存在的粒子退化现象和重要性密度函数难以选取等问题，在研究交互式多模型滤波算法的基础上，设计一种基于随机加权自适应IMMUPF算法。首先，该算法在无迹粒子滤波的采样过程中融合了随机加权和交互式多模型滤波的优点，利用无迹卡尔曼滤波算法得到[k]时刻各模型估计最新量测信息的粒子；然后，对该组粒子进行输入交互作为各模型的输入，再经过模型匹配、重采样以及模型概率更新过程；最后，对各模型相对应的粒子进行输出交互，得到所有粒子的随机加权自适应和的表达式，循环更新粒子实现状态估计。将设计的算法应用于GPS/DR组合导航系统中进行仿真计算，结果表明，该算法计算得到的位置误差较UPF和IMMUPF有所减少，东向位置误差控制在[-8 m,+6 m]，北向位置误差控制在[-8 m,+8 m]，提高了GPS/DR组合导航系统定位的解算精度。

粒子滤波在机器人定位中的应用，它的优势、劣势以及失效恢复机制。

高斯噪声下粒子滤波用于目标跟踪的程序,详细注释