贝叶斯滤波：一种基于贝叶斯定理的概率推断方法，用来在不确定、含噪声的观测下，递推地估计系统的隐藏状态（如位置、速度、目标类别等）。常见于目标跟踪、机器人定位、语音与信号处理。也常指一类方法的总称（如卡尔曼滤波、粒子滤波等属于其框架下的具体实现）。
/ˈbeɪziən ˈfɪltərɪŋ/
Bayesian filtering helps a robot estimate its position from noisy sensors.
贝叶斯滤波可以帮助机器人在传感器噪声很大的情况下估计自己的位置。
In Bayesian filtering, the posterior belief is updated recursively using a motion model and an observation model.
在贝叶斯滤波中，会结合运动模型与观测模型，以递推方式更新后验信念（概率分布）。
“Bayesian” 来自 Thomas Bayes（托马斯·贝叶斯），指以贝叶斯定理为核心的推断思想；“filtering” 原意是“过滤”，在信号与统计领域中引申为“从噪声与不确定性中提取有用信息/估计状态”。合起来，“Bayesian filtering” 即“用贝叶斯方法进行状态估计的滤波”。
Select Language