2 粒子滤波理论粒子滤波通过非参数化的蒙特卡洛(Monte Carlo)模拟方法来实现递推贝叶斯滤波，适用于任何能用状态空间模型描述的非线性系统，精度可以逼近最优估计。粒子滤波器具有简单、易于实现等特点，它为分析非线性动态系统提供了一种有效的解决方法，从而引起目标跟踪、信号处理以及自动控制等领域的广泛关注。本章首先概述用于求解目标状态后验概率的贝叶斯滤波理论，随后介绍具有普遍适用性的粒子滤波器，最后针对当前粒子滤波器存在的粒子多样性丧失问题，提出了一种量子进化粒子滤波算法。2.1 贝叶斯滤波动态系统的目标跟踪问题可以通过图2.1所示的状态空间模型来描述。本节在贝叶斯滤波框架下讨论目标跟踪问题。图2.1 状态空间模型Fig. 2.1 State space model在目标跟踪问题中，动态系统的状态空间模型可描述为 其中分别为状态转移方程与观测方程，为系统状态，为观测值，为过程噪声，为观测噪声。为了描述方便，用与分别表示到时刻所有的状态与观测值。在处理目标跟踪问题时，通常假设目标的状态转移过程服从一阶
