滤波器模型 １， 假设了马尔科夫性， 当前状态只跟上一个时候状态有关 ２， 线性高斯假设 －－》 卡尔曼滤波器模型
线性高斯系统：
运动方程， 观测方程都可以由线性来描述， 并假设所有的运动和观测噪声都满足高斯分布
xk = Ak*xk-1 + uk + wk
zk = Ck*xk + vk
wk ~ N (0, R)
vk ~ N (0, Q)
P(xk|x0, u1:k, z1,k-1) = N (Ak
非线性系统 扩展卡尔曼滤波， 支持非线性系统 再某点附近考虑运动方程以及观测方程的一阶泰勒站考，只保留一项，即线性部分。然后按照线性系统进行推倒
bayes滤波
一阶矩， 期望 二阶矩， 方差
information matrix --> inverse of covariance matrix