https://en.wikipedia.org/wiki/Kalman_filter
一、提要
在卡尔曼滤波的相关技术文献中，其数学表达看起来都非常晦涩和不透明。这很糟糕，如果您以正确的方式看待卡尔曼滤波器，它实际上非常简单易懂。这里的叙述简单，先决条件也很简单；您所需要的只是对概率和矩阵的基本了解。
二、基本概念
2.1 贝叶斯滤波
剖析这个术语：用于流程，过滤器从输入中去除噪声（不确定性）以获得更准确的估计作为输出。使用术语贝叶斯是因为涉及贝叶斯统计的概念。在贝叶斯统计中，为了在不确定性下生成估计值，会考虑过去的信息。简单地说，贝叶斯滤波器是一种估计算法，与不考虑过去值的算法相比，它使用过去的值来提供更准确的估计。
2.2 但这不是关于卡尔曼滤波器的直播课吗？
那是对的。由于卡尔曼滤波器是贝叶斯滤波器的一个特例，理解一般贝叶斯滤波器算法对于理解贝叶斯滤波器家族的其他成员的工作原理至关重要。但是，在这个 Live Class 中可用的时间不多，因此我们将跳过这一部分，直接进入卡尔曼滤波器。
