主流卡尔曼滤波推导——KF、EKF、IKF、UKF、ESKF

一、高斯分布

1.1 高斯概率密度函数

一维情况下， 高斯概率密度函数表示为：

其中$\mu$为均值, ${\sigma }^2$为方差。
多维情况下， 高斯概率密度函数表示为

其中$\mu$为均值， 方差为$\Sigma$ 。

1.2 联合高斯概率密度函数

这就是有名的贝叶斯推论

1.3 高斯随机变量的线性变换

二、滤波器基本原理

符号说明：
$\check{\mathbf{x}}$是预测（先验） x ^ \hat{\boldsymbol{x}}