? ? ? ? 實(shí)際應(yīng)用中，傳感器的輸出數(shù)據(jù)總是包含著一定的噪聲，直接依靠傳感器的量測(cè)數(shù)據(jù)會(huì)導(dǎo)致系統(tǒng)誤差較大。例如，GPS的海拔輸出數(shù)據(jù)，即使車輛停止不動(dòng)，其每次讀出的數(shù)據(jù)均會(huì)有所不同。又如，用稱去稱取某個(gè)物品的重量，很難獲得兩次測(cè)量的結(jié)果完全相同。

? ? ? ? 對(duì)于上述問(wèn)題，一種普遍的思路是，既然，每次稱取的結(jié)果不同，那么索性多稱幾次，取幾次的平均值。或者，多花點(diǎn)錢換個(gè)更好的，精度更高的稱。但是，如果傳感器噪聲特別大，環(huán)境具有很強(qiáng)的干擾時(shí)，該怎么解決呢？設(shè)想，采用某種技術(shù)手段去跟蹤一架飛行器。

? ? ? ? 針對(duì)上述問(wèn)題，一系列的基于貝葉斯概率理論的算法被研究出來(lái)，用于解決上述問(wèn)題。簡(jiǎn)單來(lái)講，貝葉斯概率根據(jù)過(guò)去的信息來(lái)估計(jì)當(dāng)前時(shí)刻的可能結(jié)果。

? ? ? ? 如果，我問(wèn)你我們車子當(dāng)前的朝向是什么？你可能會(huì)不知所措，只能從1到360度之間挑選一個(gè)，你能猜對(duì)的概率是360分之一。假如，我告訴你2秒鐘之前車子的朝向是243度。一般來(lái)講，2秒鐘之內(nèi)，車子不會(huì)轉(zhuǎn)動(dòng)太大的角度，那么，這次你的猜測(cè)值會(huì)較為準(zhǔn)確。后面的例子里，你根據(jù)過(guò)去的信息，推測(cè)當(dāng)前時(shí)刻或未來(lái)時(shí)刻的狀態(tài)，通常，估計(jì)結(jié)果會(huì)較為準(zhǔn)確。

? ? ? ? 貝葉斯理論估計(jì)雖然可以幫助你更準(zhǔn)確的進(jìn)行估計(jì)，但是，其精度仍然會(huì)收到噪聲的干擾。比如，開車的時(shí)候，我可能為了躲開一只狗或一個(gè)深坑而改變車的朝向。或者，今天的風(fēng)格外的大，路面有冰，都會(huì)影響到車子的路徑。在控制理論相關(guān)文獻(xiàn)中，這些也被稱為噪聲。

? ? ? ? 貝葉斯概率理論博大精深，在這里，你只需要記住這樣一個(gè)中心思想，知識(shí)總是充滿了不確定性，我們應(yīng)該根據(jù)實(shí)際中佐證的強(qiáng)弱來(lái)改變自己對(duì)事物的看法。卡爾曼和貝葉斯濾波器規(guī)避了我們對(duì)于系統(tǒng)在噪聲環(huán)境下的行為的理解欠缺，幫助我們最大限度的提高對(duì)系統(tǒng)狀態(tài)的估計(jì)。原則在于，永遠(yuǎn)不要丟棄信息。

? ? ? ? 例如，我們正在對(duì)一個(gè)運(yùn)動(dòng)物體進(jìn)行跟蹤，這時(shí)，傳感器報(bào)告物體突然改變了方向。問(wèn)題是，物體真的突然改變方向了嗎？這個(gè)數(shù)據(jù)可靠嗎？這應(yīng)該視情況而定，如果物體是一架噴氣式戰(zhàn)斗機(jī)，則有理由相信這是真的。如果物體是一個(gè)在平緩軌道上行駛的火車，那么則可信度大大降低。我們需要根據(jù)傳感器的精度進(jìn)一步更正我們的結(jié)論。我們對(duì)于系統(tǒng)狀態(tài)的判斷取決于過(guò)去系統(tǒng)狀態(tài)，以及，我們對(duì)于目標(biāo)物體特征的理解和傳感器的特性。