因为假设状态分布是高斯分布，所以只需要估计出均值和方差就完成了卡尔曼滤波推理，那推导出的推理公式中，需要根据哪些已知量来估计t+1时刻状态高斯分布的均值和方差。
A: t时刻状态高斯分布的均值
B: t时刻状态高斯分布的方差
C: t+1时刻观察到的证据
D: 转移模型
E: 观察模型
A: t时刻状态高斯分布的均值
B: t时刻状态高斯分布的方差
C: t+1时刻观察到的证据
D: 转移模型
E: 观察模型
A,B,C,D,E
举一反三
- 因为假设状态分布是高斯分布，所以只需要估计出均值和方差就完成了卡尔曼滤波推理，那推导出的推理公式中，需要根据哪些已知量来估计t+1时刻状态高斯分布的均值和方差。
- 因为假设状态分布是高斯分布，所以只需要估计出均值和方差就完成了卡尔曼滤波推理，那...计t+1时刻状态高斯分布的均值和方差。
- 卡尔曼滤波是在描述问题的随机变量是连续型时，假设状态变量的先验分布，以及转移模型和观察模型都是高斯分布，从而实现新时刻的状态估计。
- 一个均值为零，方差为[img=18x22]18038a9c84520a6.png[/img]的窄带平稳高斯过程x(t)，则其包络ax(t)的一维分布是 。 A: 高斯分布 B: 莱斯分布 C: 均匀分布 D: 瑞利分布
- 一个均值为零，方差为[img=18x22]17de76c68a2dc14.png[/img]的窄带平稳高斯过程x(t)，则其包络ax(t)的一维分布是 。 A: 高斯分布 B: 莱斯分布 C: 均匀分布 D: 瑞利分布
内容
- 0
一个均值为零，方差为[img=18x22]18038a9c8d4cd2d.png[/img]的窄带平稳高斯过程x(t)，则其同相分量的分布是 。 A: 均匀分布 B: 高斯分布 C: 莱斯分布 D: 瑞利分布
- 1
一个均值为零，方差为[img=18x22]18038a9c960d7bc.png[/img]的窄带平稳高斯过程x(t)，则其正交分量的分布是 。 A: 均匀分布 B: 高斯分布 C: 莱斯分布 D: 瑞利分布
- 2
一个均值为零，方差为[img=18x22]18038a9c8d57090.png[/img]的窄带平稳高斯过程x(t)，则其相位的一维分布是 。 A: 均匀分布 B: 高斯分布 C: 莱斯分布 D: 瑞利分布
- 3
一个均值为0，方差为σ^2的窄带平稳高斯过程，它的包络一维分布服从 A: 高斯分布 B: 均匀分布 C: 莱斯分布 D: 瑞利分布
- 4
一个均值为0，方差为σ^2的窄带平稳高斯过程，它的同相分量服从 A: 高斯分布 B: 均匀分布 C: 瑞利分布 D: 莱斯分布