粒子濾波已成功應用於數字通信中固定滯後或固定間隔的平滑分布，並表現出近似最大似然推斷。因為這個狀態向量空間是有限的，所以有可能在每壹步考慮任何特定粒子的所有後代(路徑)。由於每個粒子都有幾個典型的可能的後代，並且種群的後代也大於初始種群，因此在所有這些問題中，需要構造壹種新穎的粒子群優化算法來選擇和計算粒子的適當權重。在這裏，我們提出壹個選擇算法，使無偏的期望損失和壹般的距離函數。在盲解設置中，選擇方案與Kullback-Leibler 0.0175的距離，通過仿真比較不同的確定性方案，只留下最佳權重。
介紹
粒子濾波方法可以看作是計算概率的壹種標誌，它已經成功地應用於許多數字通信方案(見[3]和許多其他方案)。相反，期望是用序列模擬算法對“組”中的加權粒子求和。在離散狀態空間中，可以考慮所有的子代粒子，不需要選擇壹個合適的建議。如果粒子的大小和數量在Ifmis狀態空間中，後代的總數等於錳。這個問題，所以在大量實驗的基礎上，提出了壹組有代表性的粒子和與這些粒子相關的適當權重。定義為了達到這個目的，經典方法吸引了大量隨機分布的比例粒子權重，產生了壹個同樣重要的由粒子組成的系統。這是壹個低效的離散態上下文，因為幾個粒子可以被精確地復制。Fearnhead和Cliff (2003)[5]提出了避免這種情況的解決方案，他們創建了這個名稱的最佳樣本。該方法可以降低期望L2距離選擇權重。探索這些問題，選擇使氮素損失最小化的信息，仍然是最好的途徑。我們的貢獻可能會延長不同的統計指標的使用，如卡方距離和Kullback-Leibler差異。此外，我們分析了壹個確定性選擇方案，使得只有那些成績最好的後代才是n。