标签：似然 高斯 补充 卡尔曼滤波 最小 笔记 贝叶斯 二乘

继卡尔曼滤波 - 笔记（一）的补充。

最小二乘与贝叶斯

上一篇的最后，介绍了通过最小二乘和贝叶斯都可以推导卡尔曼滤波，那么最小二乘和贝叶斯之间有什么关系呢？
在历史上最小二乘是由勒让德首先提出，不久后高斯也提出了相同的结论，据考证两人都是独立提出的。
不同的是勒让德只给出了一个结论，而高斯采用概率的论证方式，不但给出结论，还给出了验证方式，由此最小二乘有了理论基础，从而使得其成为了那个世纪的数学主旋律。
高斯从最大似然视角证明，在i.i.d条件下，样本的联合概率等于边缘概率的乘积，对等式两边取对数（其单调性不影响原函数形状），得出求和公式，将误差的正态分布方程带入其中并求导，可化简为最小二乘法。
而贝叶斯估计可以看做先验为1的最大似然。

其他参数

Q表示过程噪声的协方差，比如温度对晶振的影响，依据系统原理。
H为测量与状态的计算矩阵。

标签：似然,高斯,补充,卡尔曼滤波,最小,笔记,贝叶斯,二乘
来源： https://www.cnblogs.com/lastpairs/p/14861318.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。