蒙特卡洛采样.pdf
最优估计
蒙特卡洛采样
一复杂模型下的贝叶斯更新
二蒙特卡洛采样原理
三蒙特卡洛采样实现过程
复杂模型下的贝叶斯更新
已知:xf(x)w
k1kk1
系统模型:zh(x)v
kkk
w和v为非高斯噪声,概率密度分别为p(w)和p(v),f()与h()为
kkwkvk
非线性函数,初始状态x的概率密度为p(x),且w,v和x互不相关。
0x0kk0
观测:z{z,z,L,z}.
1:k12k
p(xkz1:k1)p(zkxk)
由贝叶斯滤波公式可知p(xkz1:k)
p(zk|z1:k1)
在非线性非高斯的情况下如何对贝叶斯滤波公式求解?
复杂模型下的贝叶斯更新
非高斯密度
l状态噪声非高斯
p(x|z)p(x|x)p(x|z)dxp(xf(x))p(x|z)dx
k1:k1kk1k11:k1k1wkk1k11:k1k1
非高斯密度
l量测噪声非高斯
p(z|z)p(z|x)p(x|z)dxp(zh(x))p(x|z)dx
k1:k1kkk1:k1kvkkk1:k1k
l后验密度非高斯
p(z|x)p(x|z)卡尔曼滤波不
p(xk|z1:k)kkk1:k1
p(zk|z1:k1)再最优!!
非高斯密度
复杂模型下的贝叶斯更新
基于z的最小方差估计
时间更新:1:k-1
ˆ
xE[x|z]f(x)p(x|z)dx
k|k1k1:k1k1k1:k1k1p(xk|z1:k1)