卡尔曼滤波和粒子滤波的相同和不同

卡尔曼滤波和粒子滤波都是常用的状态估计方法，但它们的方式不同。

相同点是，它们都是基于贝叶斯滤波理论的状态估计方法，都要进行预测和校正两个步骤。同时，它们都可以用于非线性和非高斯问题的状态估计。

不同点是，卡尔曼滤波是一种基于线性高斯假设的状态估计方法，因此对于非线性或非高斯问题效果有限。而粒子滤波则可以处理非线性和非高斯问题，通过采样出来的随机粒子表示可能的状态，从而实现状态估计。

另外，卡尔曼滤波的计算量比较小，但它对初始值和噪声的假设比较敏感；而粒子滤波计算量比较大，但可以对目标的先验知识少依赖，更加灵活。