webrtc video jitter buffer中的卡爾曼濾波器介紹(一)---概率論基礎
首先弄明白基本點:
1.卡爾曼濾波器是用來幹什麼的?
2.如何使用卡爾曼濾波器?
再此之前我們先補充一些高等數學統計學的基礎只是:方差/均方誤差/.
標準差的平方 = 方差
標準差表示的資料的離散程度.
舉個例子吧,以下例子取自:漫畫統計學,日本人出版的,寫的非常的通俗易懂,強烈推薦大學去看看.
有三個球隊,他們的成績如圖所示:
這個時候,這三個球隊的平均數如下圖所示.
僅僅通過平均數是無法代表更直觀的理解資料的。
C隊存在229這樣的超級數,很明顯不能代表整體的實力.
A隊和B隊的平均數更是一樣的,更加不好分析,把他們的資料轉化為更容易理解的資料圖.
很明顯的我們能看到B隊的成績中,靠近平均數的成員更多,也就是資料的離散程度小。
因此為了更好的分析資料,我們引入了標準差的概念,引入標準差的概念來表示資料的離散程度。
從公式可以看出,離散程度越小,方差也就越小,標準差也就越小。
反之,離散程度越大,方差也就越大,標準差也就越大
B隊的離散程度更小,因此方差也就小,標準差也就小.
上面的基本概念整理明白了,我們來深入進一步去了解正態分佈,正態分佈是講概率的,首先我們弄明白正態分佈的由來.
下面是一組學生的成績;
單純的數字看起來,太不直觀了,接下來我們我們轉為圖示,並且通過圖表直觀的顯示,學習成績範圍內比列:
通過圖表我們可以看到:
[50 - 60 ]這個區間的成績大概佔40%左右.
接著我們不斷的調小區間:
繼續把區間不斷的調整:
當區間不斷的調小的時候,我們會發現,我們得到了一條曲線.
這個曲線就是我們正態分佈曲線.
更神奇的是,我們可以用一個公式,結合前面說的平均值,標準差,直接表示出這條正態曲線.
接下來就是見證神奇的地方了.
而標準差和平均值則決定了這個正態分佈曲線的形狀.
正態分佈的曲線 :
1.以平均值為中心,左右對稱
2.標準差越小,曲線越陡,也就是曲線的高峰越陡峭.
比如上一張是平均值為53,標準差為15的圖.
接下來我們看看平均值為53,標準差為5的圖.
對比下這2張圖,第二張圖陡峭多了.
接下來我們來介紹協方差的概念:
https://www.zhihu.com/question/20852004/answer/134902061
上面這篇文章已經寫的相當不錯了,大家可以參考下.
協方差是一種表示相關性的分析手段。
協方差>0表示正相關.
協方差<0表示負相關.
我們舉個例子:
2條單調遞增的直線,現在我們求這2條單獨遞增的直線的協方差.
第一條線A: 1 / 3/ 5 / 7/ 9 — 平均數為:5
第二條線B: 2 / 4 / 6 /8 / 10 — 平均數為: 6
OK,協方差公式為:
根據公式,我們來求A和B的公式:
Cov(A,B) =[ (1 - 5)(2 - 6) + ( 3 - 5)(4-6) + (5-5)(6-6) + (7-5)(8-6) + (9-5)*(10-6) ] / 5
我們可以求出:
Cov(A,B) = 8 ,也就是正相關的屬性,他們的趨勢是一致的.
協方差越大,表示2者的趨勢越接近,反之,越小則表明兩者的趨勢相反.
引用參考文獻:
1.如何通俗的理解卡爾曼濾波
https://www.zhihu.com/question/23971601/answer/137325095
2.我所理解的卡爾曼濾波
https://www.jianshu.com/p/d3b1c3d307e0