(1)HMM:隐变量是离散的
(2)Kalman Filter:又叫 Linear Dynamic Model 或 Linear Gaussian Model
隐变量和观测变量都是连续的,都是服从高斯分布的
(3)Particle Filter:Non-Linear、Non-Guaaian
1.Kalman Filter
这里:Z为状态,相当于X;X为测量,相当于Y。
2. Filtering
2.1 filtering问题
多维高斯分布:边缘分布、条件概率分布、联合概率分布都是高斯分布。
2.2 filtering问题求解
观测值y之间绝对不会相对独立,但若所有隐状态x都已知时,观测值就是相互独立的,即观测值根据隐状态的情况而定。
HMM:隐状态必须都是离散的
若联合分布为高斯分布,则其每一个元素都为高斯分布。