1、粒子滤波算法

粒子滤波是一种贝叶斯次优估计算法，它摆脱了解决非线性滤波问题时随机量必须 满足高斯分布的制约条件，并在一定程度上解决了粒子样本匮乏问题，因此，近年来该算法在许多领域得到成功应用。 但是，粒子滤波中的粒子退化问题严重地限制了其基本方法 的发展。粒子滤波详见《Particle Filter Tutorial 粒子滤波：从推导到应用（一 二 三 四）》。

贝叶斯估计

 2、MCMC改进的粒子滤波

        马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo, MCMC)

三、升级： 基于 MCMC 粒子滤波的目标跟踪

四、再升级： 基于运动补偿的 MCMC 粒子滤波目标跟踪