递归滤波器 编辑
递归滤波器是在信号处理中的一种滤波器，用其中一个或多个输出信号为其输入。这种滤波器一般会产生无穷长度的脉冲响应，其特点是指数成长、指数衰减或是弦波的输出。
1
相关
粒子滤波器是一种使用蒙特卡罗方法的递归滤波器，透过一组具有权重的随机样本来表示事件的后验概率，从含有噪声或不完整的观测序列，估计出动态系统的状态，粒子滤波器可以运用在任何状态空间的模型上。粒子滤波器是卡尔曼滤波的一般化方法，卡尔曼滤波器建立在线性的状态空间和正态分布的噪声上；而粒子滤波器的状态空间模型可以是非线性，且噪声分布可以是任何型式。
卡尔曼滤波是一种高效率的递归滤波器，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自主要贡献者之一的鲁道夫·卡尔曼。
卡尔曼滤波是一种高效率的递归滤波器，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自主要贡献者之一的鲁道夫·卡尔曼。
卡尔曼滤波是一种高效率的递归滤波器，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自主要贡献者之一的鲁道夫·卡尔曼。