递归总体最小二乘法

递归总体最小二乘法

1 贝叶斯滤波

1.1 贝叶斯公式（条件概率公式+全概率公式）

先验概率
似然
归一化因子/全概率公式
后验概率

1.2贝叶斯滤波

贝叶斯公式：

递归（预测）：由 $t-1$ 时刻的后验概率和状态转移概率，预测 $t$ 时刻的先验概率 $N\sim ({\hat{x}}_{t|t-1},P_{t|t-1})$

更新：由 $t$ 时刻的先验概率和似然概率 $N\sim (y_{t|t},R_{t|t})$ 更新 $t$ 时刻的后验概率 $N\sim ({\hat{x}}_{t|t},P_{t|t})$
$${\hat{x}}_{t|t-1}=$$

2 Kalman Filter

${\hat{x}}_t=K_t\times Z_t+(1-K_t)\times {\hat{x}}_{t-1}$

2.1 状态方程与观测方程

$$\begin{gathered} 状态方程：x_t=F\times x_{t-1}+w \\ 观测方程：y_t=H\times x_t+v \end{gathered}$$

$w$和$v$是白噪声，$p(w)\sim N(0,Q)$，$p(v)\sim N(0,R)$，$Q=w{w}^T$，$Q=v{v}^T$， E ( w )