摘要: 将高斯 PDF 通过非线性函数,结果使用高斯变换表示。 这涉及到 linearization 。 问题的定义是有 $\mathbf{x}$ 符合高斯噪声(即已知 $p(\mathbf{x})$),有非线性变换 $g(\cdot): \mathbf{x} \to \mathbf{y}$(蕴含 $p(\ 阅读全文
posted @ 2023-04-18 00:29 JingeTU 阅读(30) 评论(0) 推荐(0) 编辑
摘要: 方便理解 Kalman Filter。 看到 https://www.zhihu.com/question/47559783/answer/2980976068 ,想自己推一下。 融合两个 Guassian PDF ,是将两个 Guassian PDF 相乘得到的结果依然是 Guassian PDF 阅读全文
posted @ 2023-04-18 00:23 JingeTU 阅读(41) 评论(0) 推荐(0) 编辑
摘要: PF 理解不深,若干年前 coursera 上某门课程做了填空式编程题,仅此而已。 重点应该有二: 1. weight 定义方法; 2. Resampling 方法,减少例子数量,维持系统计算量。 ![](https://img2023.cnblogs.com/blog/1104994/202304 阅读全文
posted @ 2023-04-18 00:19 JingeTU 阅读(31) 评论(0) 推荐(0) 编辑
摘要: ![](https://img2023.cnblogs.com/blog/1104994/202304/1104994-20230418001437718-1832787313.jpg) ![](https://img2023.cnblogs.com/blog/1104994/202304/1104994-20230418001441433-1614422573.jpg) 阅读全文
posted @ 2023-04-18 00:14 JingeTU 阅读(30) 评论(0) 推荐(0) 编辑
摘要: (2.90) 详细见 [State Estimation] 2.2.8 Passing a Gaussian throught a Nonlinearity 。 阅读全文
posted @ 2023-04-18 00:11 JingeTU 阅读(23) 评论(0) 推荐(0) 编辑
摘要: Bayes Filter 是理论模型,给出一个框架。实际使用过程中,加上一系列假设条件,得到实际可以用的 Filter 。 模型是理论的,不能实现体现在两点: PDF(Probability Density) 通过非线性 observation model 与 motion model ; 噪声是 阅读全文
posted @ 2023-04-18 00:07 JingeTU 阅读(25) 评论(0) 推荐(0) 编辑