贝叶斯滤波、卡尔曼滤波

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