粒子滤波与加权粒子滤波：权重层次、似然计算、HDOP与数据驱动噪声建模
粒子滤波与加权粒子滤波：权重层次、似然计算、HDOP与数据驱动噪声建模 1. PF 的核心计算：残差、似然与粒子权重 1.1 PF 对每个粒子计算什么 对第 ii 个粒子 𝒙(i)\mathbf{x}^{(i)}，PF 在自然更新阶段依次计算三样东西。 （1）对每个 AP 的残差（每个粒子 × 每个 AP 一个标量）： rj(i)=dj−∥𝒙(i)−𝒂j∥ r_j^{(i)}=d_j-\|\
粒子滤波（PF）算法（通俗版）
粒子滤波（PF）算法（通俗版） 1. 一句话理解粒子滤波 粒子滤波就是“撒一把点，看哪个点最像真的，然后围着像的点再撒”。 想象你在一个黑屋子里找一个隐藏的物体，你手里有一堆测距仪（AP），但测距有误差。你不知道物体在哪，于是： 先随便撒 2000 个“猜测点”，均匀铺满整个房间——这就是粒子； 每个猜测点都拿去和测距仪比对：如果这个点算出来的距离和测距仪测到的差不多，说明这个点“靠谱”，给它高
粒子滤波（PF）算法
粒子滤波（PF）算法 1. 动机：当卡尔曼类方法不再够用 三维定位中，前面讨论的 LS/WLS/NLS/WNLS 本质上都是批量式估计：把当前时刻所有测距值堆在一起，解一次坐标。但真实系统往往是序贯的——目标在运动，每一时刻都有新的观测到达，而且运动模型和观测模型都可能带有非高斯噪声。 卡尔曼滤波（KF）在线性高斯条件下是最优的，但它要求模型线性、噪声高斯。扩展卡尔曼滤波（EKF）通过一阶泰勒展开
Agent 大模型应用开发学习文档
Agent 大模型应用开发学习文档 目标：面向大模型应用开发秋招，把「Agent 概念 → 工程实现 → 项目证据 → 面试表达 → 待补缺口」串起来。 主线项目：云房预警系统 —— 房地产智能监测 Agent 平台 辅助项目：短视频多模态商业分析平台、Qwen3-TTS 推理部署、基于 LLM 的代码漏洞检测。 使用方式：本文档只做“专题总结 + 索引”，具体题目/笔记仍放在各自分类文件夹；文
AI 核心概念大串联学习清单
AI 核心概念大串联学习清单 📌 核心概念： LLM、Token、Context、Context Window、Prompt、User Prompt、System Prompt、Tool、MCP、Agent、Agent Skill。 一期视频带你打通 AI 底层逻辑！ 相关视频 MCP 终极指南 - 从原理到实战，带你深入掌握 MCP（基础篇） MCP 终极指南 - 带你深入掌握 MCP（进阶
AI Coding 面试考察什么及如何准备
AI Coding 面试考察什么及如何准备 这类 AI Coding 面试不是传统闭卷算法考试，而是考察你在真实工程环境中，使用 AI 编程工具完成编程任务的能力。核心是：你是驾驶员，AI 是副驾。面试官通过屏幕共享观察你如何配置环境、下达指令、审查代码、验证结果和完成提交。 一、这种面试主要考察什么 1. AI 协作编程能力 能否用自然语言把需求拆解成可执行步骤 能否让 AI 执行终端命令、下
三维定位中的最小二乘类算法：LS、WLS、NLS与WNLS
三维定位中的最小二乘类算法：LS、WLS、NLS与WNLS 1. 概述 在三维定位中，常见任务是利用多个已知位置的锚点（基站、UWB 基站、卫星等）与目标之间的测距值，反推目标的三维坐标。设第 ii 个锚点坐标为： 𝒂i=(xi,yi,zi) \mathbf{a}_i=(x_i,y_i,z_i) 目标坐标为： 𝒙=(x,y,z) \mathbf{x}=(x,y,z) 第 ii 个测距值为