1 Bayes估计 是融合静态环境中多传感器低层数据的一种常用方法 其信息描述为概率分布,适用于具有可加高斯噪声的不 确定性信息。假定完成任务所需的有关环境的特征物用 向量/俵示,通过传感器获得的数据信息用向量d来表示, d和郿可看作是随机向量。信息融合的任务就是由数据 推导和估计环境f。假设p,d为随机向量/和d的联合 概率分布密度函数,贝 p(f,d)=p(f|a)·p(a)=p(f|d)·p(f) p(d表示在已知d的条件下,关于d的条件概率密度函数 p(d)表示在已知f的条件下,d关于f舶条件概率密度函数 p(a)和p(分别表示d和f的边缘分布密度函数 已知a时,要推断f,只须掌握ρ(η)即可,即 p(fld)=p(d f). p(f)/p(d 上式为概率论中的 Bayes公式,是嵌入约束法的核心1.Bayes估计 是融合静态环境中多传感器低层数据的一种常用方法。 其信息描述为概率分布，适用于具有可加高斯噪声的不 确定性信息。假定完成任务所需的有关环境的特征物用 向量f表示，通过传感器获得的数据信息用向量d来表示， d和f都可看作是随机向量。信息融合的任务就是由数据 d推导和估计环境f。假设p(f，d)为随机向量f和d的联合 概率分布密度函数，则 p( f ,d) = p( f | d) p(d) = p( f | d) p( f ) p(f|d)表示在已知d的条件下，f关于d的条件概率密度函数 p(f|d)表示在已知f 的条件下，d关于f的条件概率密度函数 p(d)和p(f)分别表示d和f的边缘分布密度函数 已知d时，要推断f，只须掌握p(f|d)即可，即 p( f | d) = p(d | f ) p( f )/ p(d) 上式为概率论中的Bayes公式，是嵌入约束法的核心