贝叶斯滤波器的推导

本文是学习Robot Mapping课程中的笔记。

贝叶斯滤波器：一种状态估计的框架。

推导过程如下：

第一步利用贝叶斯公式分为似然和先验；

第二步利用马尔可夫假设，认为将似然部分中的条件和输入去掉，个人理解为有了xt作为条件，就可以忽略了z1：t-1和u1：t，因为xt就是由这两部分推导得；

第三步利用全概率公式，将xt-1分离出来；

第四步依然使用马尔可夫假设，丢掉t-1时刻及以前的观测和输入；

可以看到贝叶斯滤波器是相当于在给定当前观测和输入的情况下，利用前一时刻的后验概率推导出下一时刻的后验概率。

根据贝叶斯滤波器的公式可以将状态估计分为两个部分，预测步骤（运动模型）和更新或修正步（观测模型）。

贝叶斯滤波器只是状态估计的框架，使用不同的假设和参数可以得到不同的滤波器。