卡尔曼滤波的理解

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