贝叶斯滤波器

转载于 2019-09-30 11:24:26 发布 · 179 阅读

·

0

·

CC 4.0 BY-SA版权

原文链接：https://blog.csdn.net/renhaofan/article/details/82415167

文章标签：

#贝叶斯滤波器

数学基础专栏收录该内容

1 篇文章

订阅专栏

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/renhaofan/article/details/82415167

bayes filter是一种观测数据和控制数据中计算置信度的通用算法

1.Derivation of Bayes filter

先做一些符号说明

z = observation
u = action
x = state
P(z|x) 运动转移概率(在x’状态下，执行了动作u之后，状态改变为x的概率)

关于公式数学推导有任何地方不懂可以点击这里,这里直接给出结论

B e l (x t) = P (x t | u 1, z 1, \dots, u t, z t) = η P (z t | x t) \int P (x t | u t, x t - 1) B e l (x t - 1) d x t - 1  p r e d i c t i o n b e f o r e t a k i n g m e a s u r e m e n t

η = 1 P ( z t | u 1 , z 1 , \dots , u t )

这里的η是根据recusive bayes我自己推导的。

分为两部分

Prediction step

B e l (x t) ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯ = \int P (x t | u t, x t - 1)  m o t i o n m o d e l B e l (x t - 1) d x t - 1

correction step

B e l (x t) = η P (z t | x t)  s e n s o r o r o b s e r v a t i o n m o d e l B e l (x t) ⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯

2. Algorithm

这里写图片描述
我不是很理解为什么这里\eta是这样操作的，与我上面的推导不一样,很奇怪，我不是很理解,这里说\eta是一个归一化的参数，保证所有概率和为1

3. 形象化例子

3.1 机器人小萝卜

这一部分有一些细节我感觉是原文有问题，但是也可能是我理解错了，所以如果下面有一些不懂的地方，希望大家去看原文，也恳请给我留言，一起交流

有这么一个机器人小萝卜，可以沿着一维的路径运动，墙和这个一维路径是平行的，而且墙上开了几个门。

小萝卜装备了

检测门的传感器(sensor)
并且知道门在墙的那些位置
但是在开始前并没有先验置信度。
如下图a

那小萝卜怎么确定自己的位置呢?

一，小萝卜可以使用sensor检测自己是不是在门前面，由于sensor噪声和环境噪声的原因，会有以下几种种情况:
为了看着舒服，先声明一下符号

truth 表示小萝卜在门前
report 表示传感器的检测结果
id: in font of door
nd: not in font of door

(1). Truth–id, Report–id
小萝卜有很大程度确定自己在门前，所以门对应位置的置信度会变得很高，如下图b:
(2).Truth–nd, Report–nd;

原文有四种情况，鉴于其他两种我不会特别理解，这里只提一下其他两种情况真实世界出现的可能性不大，但能部分解释为什么有一些不在门前的位置，概率不为0,我自己理解就是噪声问题，但原文在这两种情况的论述我觉得是有一些我不太能理解的。

二，小萝卜运动的时候会降低自己对于自己位置确定程度,因为小萝卜要走5米，但实际可能走了4.95米。换句话说小萝卜不可能直接绝对的知道自己到底移动了多少。所以置信度就会出现紊乱。如下图c

三，小萝卜在第二个门前面测量。根据第一中也就是图a的先验概率，我们和这次的观测值z结合在一起我们更新我们额达置信度，所以在第二个们的x出现了置信度的一个峰值。如图d
四，小萝卜再次运动，置信度再次出现紊乱
这里写图片描述

参考:

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。