知识卡片
卡尔曼滤波
卡尔曼滤波在连续线性高斯系统中维护状态的均值和协方差。它把预测与观测校正结合起来,是控制、导航和跟踪中稳定高效的信念维护模式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第14章 时间上的概率推理
- · 跨章综合
原书出处 · 1 处
- 时间上的概率推理 14.4 卡尔曼滤波器 · 查看原书依据
因此,卡尔曼滤波的Forward算子选取由均值和协方差矩阵描述的高斯前向消息,并产生由均值和协方差矩阵描述的新的多元高斯前向消息。如果我们从高斯先验出发,使用线性高斯模型滤波,那么在任何时间点我们都会得到一个高斯状态分布。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第14章《时间上的概率推理》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0033_split_004.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:卡尔曼滤波在连续线性高斯系统中维护状态的均值和协方差。原文从「14.4 卡尔曼滤波器」处给出对应机制与依据,支撑本卡结论。
- 原始内容:因此,卡尔曼滤波的Forward算子选取由均值和协方差矩阵描述的高斯前向消息,并产生由均值和协方差矩阵描述的新的多元高斯前向消息。如果我们从高斯先验出发,使用线性高斯模型滤波,那么在任何时间点我们都会得到一个高斯状态分布。