学习笔记:徐亦达机器学习:Kalman Filter 卡尔曼滤波——后续推导及代码分析

在开始这个博客之前,首先要感谢一下徐老师。该博客是在观看视频https://www.bilibili.com/video/av24225243/?p=1之后,自己的读书笔记。

言归正传,该博文里面的所有符号体系都是徐老师所用的符号,在此记录一下徐老师最后留下的作业,并且根据徐老师给出的demo,结合kalman的推导进行简单的分析。

先从t-1时刻update开始有:给定时间[1, t-1]的观测数值y_{1:t-1}(这里是一个 简记,代表y_1, y_2, \cdots, y_{t-1}),状态x_{t-1}的分布为高斯分布,其参数记为:

P(x_{t-1}|y_{1:t-1}) \sim N(\hat{\mu}_{t-1}, \hat{\Sigma}_{t-1})

注:第一页最后缺少一个转置符号

现在推导完成了predict和update的过程,那么看一下徐老师给的MATLAB代码:

学习笔记:徐亦达机器学习:Kalman Filter 卡尔曼滤波——后续推导及代码分析_第1张图片

kalman filter的精华就在这里了,S和K在我们推导中已经进行了说明。

这里面有两个现成的高斯分布的公式,看上去是那么一回事,但是不知道其来龙去脉,后面有时间再进行高斯分布特性【1】和【2】的研究,后续再补上了。当然在这里也希望有这方面教程的朋友们多给指点,推荐一个好的教程。

 

你可能感兴趣的:(MachineLearning,kalman,filter,卡尔曼滤波器,理论推导,MATLAB代码,MATLAB代码)