贝叶斯滤波与卡尔曼滤波第九讲笔记《粒子滤波》

https://www.bilibili.com/read/cv5977119

应用最广泛

原理最复杂

术语最多

重采样

贝叶斯滤波是一切的起点

状态方程

观测方程

slam 请专注于非线性优化（图优化） + 激光slam , 不需要学pf （particle filter）

因为滤波无法处理动态场景

粒子滤波：静态环境，动态可预测环境，能 未卜先知 的知道数据什么时候不好

Q R可以外部环境自适应调节，自适应卡尔曼滤波

粒子滤波 对 无穷积分进行处理（一般无解析解）

蒙特卡洛积分（不懂）

由大数定律引发的遐想，随机试验的均值 等于 期望

暗示了什么？求和和积分近似相等的关系

可以用一堆粒子来近似概率密度，就是粒子滤波

粒子的位置和权重决定了cdf 概率分布

 

怎么采样是非常难的问题，后面讲

 

在正态分布里采样比较容易，软件生成随机数

很难对概率密度进行采样

做傅里叶变换，把一个事件拆成几个小事件

重采样