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。