粒子滤波器（PF）是一种灵活而强大的顺序蒙特卡洛（SMC）技术，能够对非线性，非高斯和非平稳动力系统进行建模。但是，通用PF受到粒子退化和样品贫乏的困扰，这极大地影响了其在非线性，非高斯跟踪问题上的性能。为了解决这些问题，提出了一种改进的PF。该算法由一个PF组成，该PF使用基于免疫自适应高斯混合模型（IAGM）的免疫算法来重新逼近后验密度。同时，三个免疫抗体操作员被嵌入到新的过滤器中。代替使用重采样策略，最新的观察结果和条件似然被集成到那些免疫抗体操作员中以更新粒子，这可以进一步改善粒子的多样

免疫自适应高斯混合粒子滤波器用于状态估计