在A. Doucet 等人的开创性论文“Rao-Blackwellised Particle Filtering for Dynamic Bayesian Networks”中。人。提出了一种顺序蒙特卡罗滤波器（粒子滤波器），它利用了线性子结构$x^L_k$在马尔可夫过程中$x_k = (x^L_k, x^N_k)$. 通过这种线性结构的边缘化，滤波器可以分为两部分：使用粒子滤波器的非线性部分，以及可以由卡尔曼滤波器处理的线性部分（以非线性部分为条件）$x^N_k$）。

我了解边缘化部分​​（有时所描述的过滤器也称为边缘化过滤器）。我的直觉为什么它被称为 Rao-Blackwellized 粒子滤波器 (RBPF) 是高斯参数是基本线性过程的充分统计数据，并且根据 Rao-Blackwell 定理，以这些参数为条件的估计器至少表现得一样好作为抽样估计量。

Rao-Blackwell 估计量定义为$E(\delta(X)|T(X)) = \delta_1(X)$. 在这种情况下，我猜想$\delta(X)$是蒙特卡罗估计量，$\delta_1(X)$RBPF，和$T(X)$高斯参数化。我的问题是我看不到这在论文中实际应用的地方。

那么为什么这被称为 Rao-Blackwellized 粒子滤波器，Rao-Blackwellized 实际发生在哪里？