卡尔曼滤波（Kalman Filter） 的进一步讨论

 

我们在上一篇文章中通过一个简单的例子算是入门卡尔曼滤波了，本文将以此为基础讨论一些技术细节。

 

卡尔曼滤波（Kalman Filter）

http://blog.csdn.net/baimafujinji/article/details/50646814

 

 

在上一篇文章中，我们已经对HMM和卡尔曼滤波的关联性进行了初步的讨论。参考文献【3】中将二者之间的关系归结为下表。

上表是什么意思呢？我们其实可以下面的式子来表示，其中，w 和 v 分别表示状态转移 和 测量 过程中的不确定性，也即是噪声，既然是噪声就可以假设它们服从一个零均值的高斯分布。这其实跟我们在上一篇文章中所给出的形式是一致的，也就是说我们认为过去的状态如果是 xt-1，那么当前状态xt应该是 xt-1的一个线性变换，而这个估计过程其实是有误差的，用一个零均值的高斯噪声（概率分布）来表达。类似地，当前的测量值yt应该是真实值 xt 的一个线性变换，而这个测量过程仍然是有误差的，也用一个零均值的高斯噪声（概率分布）来表达。

 

      (1)