首先了解一下滤波
滤波:filtering is weighting(滤波即加权)。 滤波的作用就是给不同的信号分量不同的权重。最简单的loss pass filter, 就是直接把低频的信号给0权重,而给高频部分1权重。
常见的贝叶斯滤波和卡尔曼滤波
贝叶斯滤波我觉得关键在于对先验概率和后验概率的理解上,就是随着事件的发生,对后验概率一个不断修正的过程(个人理解)。
图中的P(x|y)称之为posterior probability,后验概率
卡尔曼滤波,介绍这个的文章已经有很多了,我主要记了一下值得注意的点
1、卡尔曼滤波的前提是在线性高斯系统下面
线性高斯系统:
a.初始置信度为高斯分布
b.状态转移是附带高斯噪声的线性函数
c.测量概率