概率密度函数:https://www.jianshu.com/p/0cfc3204af77
看了一会贝叶斯滤波,记录几篇看得明白的。
https://www.cnblogs.com/FangLai-you/p/10973255.html
https://www.cnblogs.com/ycwang16/p/5995702.html (这篇写得好)
卡尔曼滤波:
直接看这篇:
https://blog.csdn.net/yangjiwei1234/article/details/90707872
然后再看这篇,卡尔曼滤波的本质是两个高斯分布的融合(相乘)仍是高斯分布,关于协方差的理解:在一维状态下,误差可以用方差表示,即样本的离散程度;在多维变量状态下,误差就变成多个变量的离散程度,方差就变成了协方差。(https://zhuanlan.zhihu.com/p/92705299)
我所理解的卡尔曼滤波
从这两篇开始看起:
https://zhuanlan.zhihu.com/p/77327349
https://blog.csdn.net/varyshare/article/details/95065650
https://www.cnblogs.com/ycwang16/p/5999034.html
https://www.jianshu.com/p/a53a46e0024e
马尔科夫链:
https://blog.csdn.net/ddxygq/article/details/86550011
另外,B站搜索 :白板推导
贼好用