Matlab开发的递归贝叶斯估计器，适用于任意分布类型

此函数从由概率密度函数 (pdf) 定义的 n 个独立观测值中找到随机变量的概率密度函数、MMSE 估计（预期值）和方差。 由于 pdf 由用户定义，因此此功能可用于任何类型的分发。 示例文件附在描述的末尾并进行了解释。 函数 [p_x_condition, E_x, Var_x]=Recursive_Bayesian(x,p_x) 输入x：大小为 (1*N) 的 x 等距向量的范围p_x：大小为 (n*N) 的概率密度矩阵，其中 p_x(i,:) 是第 i 个观测值的概率密度函数 输出p_x_condition：x 大小 (1*N) 的条件概率密度函数E_x：x 的期望值var_x：x 的方差 示例：使用 4 个传感器估计状态 (x)。 分别来自传感器的读数（3.5、5、4 和 3.5）。 4 个传感器的噪声均值为零，具有以下特征： -sensor 1：从 [-1.5 到 1.5]