本文主要推导高斯分布（正态分布）的乘积，以便能更清楚的明白Kalman滤波的最后矫正公式。
Kalman滤波主要分为两大步骤：
1.系统状态转移估计；
2.系统测量矫正。
在第2步中的主要理论依据就是两个独立高斯分布的乘积如何计算的问题，即如何融合 估计值 和 观测值 得到系统状态的最优估计。
高斯分布的概率密度函数：
参考链接：两个高斯分布乘积的理论推导
其他文献：两个高斯函数的卷积仍为一高斯函数
相关文章：
相似解决方案
热门标签
本文主要推导高斯分布（正态分布）的乘积，以便能更清楚的明白Kalman滤波的最后矫正公式。
Kalman滤波主要分为两大步骤：
1.系统状态转移估计；
2.系统测量矫正。
在第2步中的主要理论依据就是两个独立高斯分布的乘积如何计算的问题，即如何融合 估计值 和 观测值 得到系统状态的最优估计。
高斯分布的概率密度函数：
参考链接：两个高斯分布乘积的理论推导
其他文献：两个高斯函数的卷积仍为一高斯函数
相关文章：