机器人智能算法导论 课件 第7、8章 贝叶斯滤波器、 线性卡尔曼滤波器.pptx

《机器人智能算法导论》

;本节简介;本讲纲要;;滤波器：可以直观地被看作是一个黑盒子，给这个黑盒子一个输入，部分输入会被黑盒子吸收或滤除，其余的输入被黑盒子输出。;定义：贝叶斯滤波器就是一种利用贝叶斯概率理论来从系统状态不完全的、有噪声的观测数据中，实现对系统状态真实值最优估计的滤波器。;两个常用的条件概率分别;一阶隐马尔可夫假设：贝叶斯滤波器通常假设迭代滤波过程服从一阶隐马尔可夫假设，即;假设：向量空间中的线性设系统没有输入运动控制数据序列a_1:t，只输入观测数据序列o_1:t。无运动控制数据序列输入的贝叶斯滤波器可以被看作一个隐马尔可夫模型，其状态转移变化图如

图所示:;估计