在Ubuntu下配置Bayes++ Library库环境

近期由于需要，开始关注bayes++库的使用，Bayes++是一个开源的C++类库。这些类表示并实现了用于离散系统的贝叶斯滤波的各种数值算法。该库中的类提供测试和一致的数值方法，并且用层次明确的结构表明了各种滤波算法和系统模型类型。

参考网站：Bayes++ Library入门学习
bayes++库官方网站

1.准备

编译环境：kdevelop
系统：ubuntu14.04

插一句，如果想要安装kdevelop，直接在终端输入sudo apt-get kdevelop即可，kdevelop还是一个比较好用的轻便编译器的。

从bayes++官网下载下来的，可以看到bayes的实现是通过大量类的相互继承来实现的，从核心文件夹bayes就可以看出来。

2.库制作

从整个bayes++库可以看到，它是设计使用在Windows环境下的，所以要通过cmake制作一个共享库，原理参见博客：
多目录工程的CmakeLists.txt编写（自动添加多目录下的文件）

将核心文件夹BayesFilter里的文件单独复制出来一份，制作一个共享库。

在里面新建一个cmakelist文件，在里面写入

cmake_minimum_required(VERSION 2.8)

aux_source_directory(. BayesFilter_SRCS)
add_library(BayesFilter ${BayesFilter_SRCS})

这个库就算制作完成了。如果不成功的话，也可以去这里下载：
https://download.csdn.net/download/qq_36355662/10385056

3.实验

以bayes++库中自带的一个简单例子参考，用kdevelop编译环境来使用制作好的bayes++库。
建立工程如下所示，

在main.cpp文件中写入：

#include <iostream>
/*
 * Bayes++ the Bayesian Filtering Library
 * Copyright (c) 2002 Michael Stevens
 * See accompanying Bayes++.htm for terms and conditions of use.
 *
 * $Id$
 */

/*
 * Example of using Bayesian Filter Class to solve a simple problem.
 * 使用贝叶斯过滤器类来解决一个简单问题的例子。
 *  A linear filter with one state and constant noises
 * 具有一个状态和不变噪声的线性滤波器。
 */

// Use the Unscented filter scheme from Bayes++
//使用Bayes ++中的无迹过滤器方案。
#include "BayesFilter/unsFlt.hpp"
#include <iostream>
#include <boost/numeric/ublas/io.hpp>

using namespace std;
using namespace Bayesian_filter;
using namespace Bayesian_filter_matrix;


/*
 * Simple Prediction model
 * 简单的预测模型
 */
class Simple_predict : public Linear_predict_model
{
public:
	Simple_predict() : Linear_predict_model(1,1)
	// Construct a constant model构造一个常量模型
	{
		// Stationary Prediction model (Identity)固定预测模型
		Fx(0,0) = 1.;
		// Constant Noise model with a large variance具有较大方差的恒定噪声模型
		q[0] = 2.;//噪声方差（总是密集的，使用耦合来表示稀疏性）
		G(0,0) = 1.;//噪声耦合
	}
};

/*
 * Simple Observation model
 * 简单的观测模型
 */
class Simple_observe : public Linear_uncorrelated_observe_model
{
public:
	Simple_observe () : Linear_uncorrelated_observe_model(1,1)
	// Construct a constant model构造一个常量模型
	{
		// Linear model线性模型
		Hx(0,0) = 1;
		// Constant Observation Noise model with variance of one方差为1的常数观测噪声模型
		Zv[0] = 1.;//噪声方差
	}
};


/*
 * Filter a simple example
 */
int main(int argc, char **argv) 
{
	// Global setup for test output
	cout.flags(ios::fixed); //以定点形式显示浮点数
	cout.precision(4);//设定输出值以新的浮点数精度值显示，即小数点后保留4位。

	// Construct simple Prediction and Observation models
	//构建简单的预测和观测模型
	Simple_predict my_predict;
	Simple_observe my_observe;

	// Use an 'Unscented' filter scheme with one state
	//在一种状态下使用“无迹”过滤器方案
	Unscented_scheme my_filter(1);

	// Setup the initial state and covariance
	//设置初始状态和协方差
	Vec x_init (1); 
	SymMatrix X_init (1, 1);
	x_init[0] = 10.;		// Start at 10 with no uncertainty从10开始，没有不确定性
	X_init(0,0) = 0.;
	//无迹滤波器初始化
	my_filter.init_kalman (x_init, X_init);

	cout << "Unscented_filter Initial : x = " << my_filter.x <<" X = "<< my_filter.X << endl;

	// Predict the filter forward前向滤波器预测
	my_filter.predict (my_predict);
	//更新过滤器，所以状态和协方差可用
	my_filter.update();		// Update the filter, so state and covariance are available

	cout << "Unscented_filter Predict ： x = " << my_filter.x  <<" X = "<< my_filter.X << endl;

	// Make an observation做个观察
	Vec z(1);
	z[0] = 11.;		// Observe that we should be at 11
	my_filter.observe (my_observe, z);
	//更新过滤器，所以状态和协方差可用
	my_filter.update();		// Update the filter to state and covariance are available

	cout << "Unscented_filter Filtered ：x = " << my_filter.x <<" X = "<< my_filter.X << endl;
	return 0;
}

在cmakelist文件中写入：

cmake_minimum_required(VERSION 2.8)
project(simpleExample)

# Add header file include directories
include_directories( ./BayesFilter)
# Add block directories
add_subdirectory(BayesFilter)
# Target
#add_executable(bayestest ${DIRSRCS})

add_executable(simpleExample main.cpp)
target_link_libraries(simpleExample BayesFilter )

install(TARGETS simpleExample RUNTIME DESTINATION bin)

编译之后，运行就能得出结果了。