所谓的高斯滤波共享了一个基本思想,那就是置信度用多元正态分布表示。在这里我们再重申一下多元正态分布的定义:
1. 卡尔曼滤波(Kalman Filter:KF)
实现贝叶斯滤波的最好的技术就是卡尔曼滤波(Kalman Filter)。卡尔曼滤波是由Swerling和Kalman作为线性高斯系统中的预测和滤波技术而发明的,用矩来定义。卡尔曼滤波实现了对连续状态的置信度计算。
我们回顾一下贝叶斯滤波,贝叶斯滤波的目标是求解状态变量
- 预测:根据
计算
,
- 测量更新:利用测量值
和
计算
,
卡尔曼滤波则是通过合理的假设是以上的计算更容易实现,通过假设
除了满足贝叶斯分布的马尔可夫假设之外,卡尔曼滤波还需满足以下三个条件:
(1)状态转移概率