本文介绍了如何使用卡尔曼滤波进行GPS轨迹数据清洗，结合贝叶斯滤波理论，通过概率论知识更新事件发生的概率。文章提供了Python实现的卡尔曼滤波例子，用于融合导弹位置的GPS测量信息，以获得更准确的定位结果。
贝叶斯滤波：根据输入信息，得出或者更新发生某件事的概率。
相关资料：
司南牧：【易懂教程】我是如何十分钟理解与推导贝叶斯滤波(Bayes Filter)算法？zhuanlan.zhihu.com
中间用到的概率论知识：
我是如何十分钟复习概率论基础知识？_@司南牧|知乎|博客|易懂教程|李韬-CSDN博客_概率论 复习blog.csdn.net
文章中有一个关于贝叶斯滤波的编程：
[易懂实例讲解]离散型贝叶斯滤波python编程代码实践_@司南牧|知乎|博客|易懂教程|李韬-CSDN博客blog.csdn.net
关于这个例子：
我认为没有涉及
标红的都可以去掉，就变为：
这个概率其实是直接给出来的，只是很多步之后的概率要自己算而已。
我觉得没有反映出贝叶斯应用的灵魂来，仅仅就是个概率论的应用。
贝叶斯理论：根据概率论知识，得到最终状态的概率分布的计算方法。
卡尔曼滤波：告诉你
最低0.47元/天 解锁文章
1511
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
