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。
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。 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
- 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。
- 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。
- 关于卡尔曼滤波算法，下列说法正确的是 A: 卡尔曼滤波是一组线性最小均方估计的递推算法； B: 卡尔曼滤波能够提供离散时间线性系统状态的线性最小均方估计； C: 卡尔曼滤波在应用时需要对随机动态线性系统建立模型； D: 在卡尔曼滤波算法推导中，系统扰动噪声和测量噪声都是假定为白噪声。
- 【滤波理论】下列对卡尔曼滤波的基本特点描述正确的是： A: 卡尔曼滤波是一种集中式的数据处理算法 B: 卡尔曼滤波能实现对离散线性系统状态的线性最小均方估计 C: 卡尔曼滤波不能对非平稳过程进行状态估计 D: 卡尔曼滤波器不能适用于多输入多输出系统的状态估计