# 粒子滤波首次重采样后样本贫化怎么办

> 原文链接：https://robotics.hellobike.com/pitfalls/2016-12-09-robotics-se-10404
> 频道：pitfalls | 更新日期：2016-12-09 | 标签：auto, stackexchange, mobile-robot, localization, particle-filter, probability
> 核心摘要：移动机器人粒子滤波因量测权重集中导致样本贫化，可减少重采样并改用分层重采样。

# 粒子滤波首次重采样后样本贫化怎么办

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[Addressing the sample impoverishment in particle filter](https://robotics.stackexchange.com/questions/10404/addressing-the-sample-impoverishment-in-particle-filter)（Robotics Stack Exchange #10404）

**状态**：已解决

## 问题

移动机器人用外部测距传感器做粒子滤波定位，首次量测后高权重粒子被重采样复制，较低权重但可能正确的粒子丢失，后续量测到来时机器人已“被绑架”。

## 环境

Linux / ROS 机器人软件与控制通用开发环境

## 解决办法

1. 不要每次都重采样，可按原文提到的有效样本数阈值判断，例如 `Effective Sample Size < number of particles / 2` 时再重采样。
2. 选择合适的重采样策略，例如分层重采样，减少高于平均权重的粒子被随机淘汰的可能。
3. 若重采样后大量粒子被删除、只剩单个粒子反复复制，检查更新模型和测量模型是否匹配。

原问题作者：ZincFur；采纳答案作者：Jakob。原内容依 CC BY-SA 4.0 授权，本页摘要同样依 CC BY-SA 4.0 授权。
:::

## 原始参考来源 (Sources)

- [Robotics Stack Exchange #10404：Addressing the sample impoverishment in particle filter](https://robotics.stackexchange.com/questions/10404/addressing-the-sample-impoverishment-in-particle-filter)