Bayesian Filter

释义 Definition

“Bayesian filter（贝叶斯滤波器/贝叶斯滤波）”是一类基于贝叶斯定理的概率推断方法，用来在有噪声和不确定性的情况下，随着新观测数据不断更新对系统“状态”（例如位置、速度、隐藏变量等）的估计。常见于导航定位、机器人、信号处理、时间序列分析与机器学习中。（此术语也常泛指“贝叶斯滤波”这一方法框架。）

发音 Pronunciation

/ˈbeɪziən ˈfɪltər/

例句 Examples

A Bayesian filter updates the estimate each time a new measurement arrives.
贝叶斯滤波器会在每次新的测量到来时更新估计。

In robot localization, a Bayesian filter combines the motion model with sensor readings to maintain a probability distribution over possible positions.
在机器人定位中，贝叶斯滤波将运动模型与传感器读数结合起来，以维持对可能位置的概率分布。

词源 Etymology

“Bayesian”来自18世纪英国数学家 Thomas Bayes（托马斯·贝叶斯）的姓氏，指使用贝叶斯定理进行推断与更新信念的方法；“filter”原意为“过滤”，在工程与统计语境中引申为“从噪声观测中提取/估计真实信号或状态”的过程，因此“Bayesian filter”即“用贝叶斯更新来进行状态估计的滤波方法”。

相关词 Related Words

• Bayes’ Theorem
• Posterior
• Prior
• Likelihood
• Kalman Filter
• Particle Filter
• Hidden Markov Model
• State Estimation

文学与著作中的用例 Literary Works

• Probabilistic Robotics（Thrun, Burgard, Fox）——系统介绍贝叶斯滤波在机器人定位与建图中的应用。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）——在概率图模型与序列推断语境下涉及贝叶斯滤波思想与相关方法。
• Bayesian Filtering and Smoothing（Simo Särkkä）——专门讨论贝叶斯滤波与平滑（smoothing）理论与算法的著作。