我正在研究粒子滤波算法。而且该算法表明，要克服退化问题，我们必须应用重采样算法。在该重采样算法中，指出
After resampling, the weights are set to 1/N because by drawing according to the importance weight, one replaces
“likelihoods” by “frequencies”
我不了解此行的含义。为什么我们需要设置权重= 1 / N？这是LINK Page no. 31
具有N个粒子散布在整个房间的图像。仅在该房间的两个位置（A和B），感知结果才符合预期。为简单起见，我们假设两个位置的权重相等，因此房间中的每个其他位置都不符合感知结果，因此权重为零。因此，我们在A处有一个权重为0.5的粒子，在B处有一个权重为0.5的粒子（通过将weigts归一化至1）而使真实位置的likelihood倒数。]]
现在，我们根据权重对N个粒子进行重新采样，（在一个完美的世界中，有些运气）最终在A处有0.5 * N个粒子，在B处有0.5 * N个粒子，因为一个粒子有50％的机会终止通过将所有粒子的权重设置为1 / N，则所有粒子在A处的权重之和为0.5 * N * 1 / N = 0.5。与B相同。因此，通过对粒子进行重采样和重新加权，我们仍表示相同的分布，但不是似然性（对于具有较高权重的粒子位置较高的概率），而是作为频率（对于具有很多粒子的位置较高概率的= = [频率
）