一、前言
粒子滤波（particle filter）是一种常见的滤波算法，广泛应用于目标跟踪、移动机器人等领域。网络上有不少关于粒子滤波的资料，但大多是直接给出了粒子滤波的相关公式和证明，或较为直观上的解释。作者在学习粒子滤波的过程中对一些概念和操作时常感到突兀，后来发现想要完整了解粒子滤波，需要首先了解前因，逐渐深入才能理解粒子滤波，而不是直接学习粒子滤波这个方法。
本文将侧重从“粒子滤波是怎么来的”这个问题介绍粒子滤波。限于篇幅与易懂性，对一些概念并没有展开介绍，读者在了解基本思路后可以根据给出的资料深入学习。本文包含了作者自己不严谨的理解与阐述，如有疏漏，望批评指正。
二、对“滤波”的一些介绍 2.1 何为“滤波”？贝叶斯滤波、卡尔曼滤波、粒子滤波……种种这些滤波方法，都涉及到了“滤波”这个词。那么到底什么是滤波，不同的领域有不同的定义。比如在信号系统领域，滤波是指将信号中特定波段的频率滤除的操作。而在移动机器人领域，我暂时没有看到较为严格的定义。我认为可以姑且理解为：通过不断地观测，使得对目标状态的估计变得更加准确。
2.2 贝叶斯滤波卡尔曼滤波与粒子滤波都是基于贝叶斯滤波框架下的滤波算法。讲粒子滤波便不得不提贝叶斯滤波。贝叶斯滤波的基本思想是根据上一时刻的状态对当前状态进行预测，并根据此时的观测进行更新。基本算法是：
