（二）. 細(xì)說Kalman濾波：The Kalman Filter

本文為原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明出處，http://www.cnblogs.com/ycwang16/p/5999034.html

前面介紹了Bayes濾波方法，我們接下來詳細(xì)說說Kalman濾波器。雖然Kalman濾波器已經(jīng)被廣泛使用，也有很多的教程，但我們?cè)贐ayes濾波器的框架上，來深入理解Kalman濾波器的設(shè)計(jì)，對(duì)理解采用Gaussian模型來近似狀態(tài)分布的多高斯濾波器(Guassian Multi-Hyperthesis-Filter)等都有幫助。

一. 背景知識(shí)回顧

1.1 Bayes濾波

首先回顧一下Bayes濾波. Bayes濾波分為兩步：1.狀態(tài)預(yù)測(cè)；和 2.狀態(tài)更新

1. 狀態(tài)預(yù)測(cè)，基于狀態(tài)轉(zhuǎn)移模型：

belˉˉˉˉˉˉ(xt)=∫p(xt|ut,xt?1)bel(xt?1)dxt?1belˉ(xt)=∫p(xt|ut,xt?1)bel(xt?1)dxt?1

2. 狀態(tài)更新，基于新的觀測(cè)

bel(xt)=ηp(zt|xt)belˉˉˉˉˉˉ(xt)bel(xt)=ηp(zt|xt)belˉ(xt)

我們可以看到，我們的目的是計(jì)算xtxt的后驗(yàn)概率，如果bel(xt)bel(xt)是任意分布，我們需要在xtxt的所有可能取值點(diǎn)上，計(jì)算該取值的概率，這在計(jì)算上是難于實(shí)現(xiàn)的。這一計(jì)算問題可以有多種方法來近似，比如利用采樣的方法，就是后面要講的粒子濾波和無跡Kalman濾波。

這節(jié)要說的近似方法是，當(dāng)假設(shè)bel(xt)bel(xt)服從Gauss分布，那么我們只需要分布的均值和方差就可以完全描述

延伸閱讀

• ssh框架 2016-09-30
• 阿里移動(dòng)安全 [無線安全]玩轉(zhuǎn)無線電——不安全的藍(lán)牙鎖 2017-07-26
• 消息隊(duì)列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
• Selective Search for Object Recognition 論文筆記【圖片目標(biāo)分割】 2017-07-26
• 詞向量-LRWE模型-更好地識(shí)別反義詞同義詞 2017-07-26
• 從棧不平衡問題 理解 calling convention 2017-07-26
• php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
• Swift實(shí)現(xiàn)JSON轉(zhuǎn)Model - HandyJSON使用講解 2017-07-26
• 阿里移動(dòng)安全 Android端惡意鎖屏勒索應(yīng)用分析 2017-07-26
• 集合結(jié)合數(shù)據(jù)結(jié)構(gòu)來看看(二) 2017-07-26

學(xué)習(xí)是年輕人改變自己的最好方式