Principio de filtrado

Principio de estimación del filtro:

En la navegación combinada, el prior es el valor predicho por imu y la observación es el valor dado por sensores como el GPS. El propósito de la fusión es. Encuentre el que tenga el valor de probabilidad más alto. Los tres métodos presentados anteriormente son la fusión de a priori y observaciones. Dado que la máxima probabilidad requiere que la distribución previa sea una distribución promedio, y en la navegación combinada, se supone que las a priori y las observaciones son gaussianas, por lo que solo se puede utilizar la estimación posterior máxima. y la estimación bayesiana, y debido a que la estimación bayesiana requiere la probabilidad total de observación (es decir, P (X) en la fórmula bayesiana anterior), conlleva una gran complejidad, por lo que a menudo se utiliza la estimación posterior máxima. Kalman es una forma de implementación típica del máximo posterior. Por supuesto, en el caso del gaussiano lineal, es equivalente a la estimación bayesiana. Kalman también se puede derivar utilizando el método bayesiano, pero son equivalentes nuevamente en el caso no lineal.

Si tuviera que enumerar todos los procesos de derivación de Kalman aquí, parecería un poco detallado. Entendamos este problema desde otro ángulo. En el ejemplo anterior del lanzamiento de una moneda, hemos podido entender que la fusión es ponderación. Específicamente, bajo el supuesto gaussiano, es necesario conocer la media y la varianza respectivas y calcular un coeficiente de ponderación.