卡尔曼滤波

1贝叶斯滤波

1.1理论基础

（1）本质：通过贝叶斯公式对随机信号处理，从而减小不确定度（即方差）。

（2）随机过程：x1,…,xn为随机变量，但不独立。
主观概率（先验概率）（实验前），
引入外部观测（证据、信息），
得到相对客观的概率（后验概率）（实验后）。

（3）先验概率、后验概率、似然概率：
离散举例：温度测量$T实际温度、T_m温度计测量温度$
a. 先验概率分布
$$\{\begin{array}{rl}& P(T=10)=0.8表示实际温度为10的概率为0.8\\ & P(T=11)=0.2\end{array}$$
b. 温度计测量值$T_m$
c. 后验概率分布：
$P(T=10|T_m=10.3)=\frac{P(T_m=10.3|T=10)\ast P(T=10)}{P(T_m=10.3)}$
表示在温度计显示为10.3度的条件下，实际温度为10度的概率。
其中， $P(T_m=10.3|T=10)$表示在实际温度为10度的情况下温度计测量为10.3度的概率。似然概率：观测精度/传感器精度；
$P(T_m=10.3)$看作常数$\eta$。

后验=$\eta \ast 似然\ast 先验$，其中$\eta =\frac{1}{\sum (似然\ast 先验)}$。

---

连续：
$f_{X|Y}(x|y)=\frac{f_{Y|X}(y|x)\ast f_X(x)}{f_Y(y)}=\eta \ast 似然\ast 后验$

定理：若$f_X(x)$~ N ( μ 1 , δ 1 2 ) ， f Y ∣ X ( y ∣ x ) N(\mu_{1}, \delta_1^2)，f_{Y|X}(y|x) </