卡尔曼滤波器算法（Kalman Filter）—— 数学推导，图文并茂

（1）HMM：隐变量是离散的

（2）Kalman Filter：又叫 Linear Dynamic Model 或 Linear Gaussian Model 

           隐变量和观测变量都是连续的，都是服从高斯分布的       

（3）Particle Filter：Non-Linear、Non-Guaaian 

1. Kalman Filter

这里：Z为状态，相当于X；X为测量，相当于Y。

2. Filtering

2.1 filtering问题

多维高斯分布：边缘分布、条件概率分布、联合概率分布都是高斯分布。

2.2 filtering问题求解

观测值y之间绝对不会相对独立，但若所有隐状态x都已知时，观测值就是相互独立的，即观测值根据隐状态的情况而定。

HMM：隐状态必须都是离散的

 若联合分布为高斯分布，则其每一个元素都为高斯分布。