任何概率分布都可以用高斯分布的无限和(infinitesum)表示，而高斯分布进而又用均值和方差表示。也就是说，校准状态的概率分布的高斯假设对于每个质点是不正确的，当在所有质点上聚合时，该假设也是正确的。
图1f例示了根据一些实施方式的概率分布函数140f的图，该概率分布函数140f定义了用于对质点进行采样的校准状态的可行空间100f。可以预先确定概率分布函数140f的形状。例如，如果校准状态的分布是高斯分布，则分布140f的形状是“高斯帽”形状。如果形状固定，则均值110f和方差130f定义了可以从中抽取校准状态的样本的可行空间100f和分布140f。
如本文所使用的，利用由分布140f定义的概率来抽取校准状态的样本，进而由校准状态的均值和方差来定义分布140f。例如，根据分布140f，要抽取或采样的样本120f的概率高于样本150f的概率。这样的表示允许更新160f校准状态的均值和方差，以产生定义了更新的可行空间的更新的分布145f，用于对校准状态进行采样。该实施方式基于以下观察：校准状态的均值和方差的更新影响后续迭代中使用的校准状态的样本的值，这是因为这种样本是从更新的分布中抽取的。
图1g示出了根据本发明的一个实施方式的用于通过联合估计车辆状态(例如，车辆的速度和方位角速度)和车辆传感器的校准状态来控制车辆的方法的流程图。一个实施方式基于以下认识：至少一个传感器的未知校准状态可以被认为是作用于车辆运动的其它确定性模型的随机干扰。随机干扰的性质使车辆具有不同的可能运动，具有不同的可能状态。例如，转向可以用作到运动模型的输入，并且转向由车辆的传感器测量。
油升YEOSHE齿轮泵HGP-05A-F-03-R-X HGP-05A-L-03-R-X HGP-05A-F-03-L-X HGP-05A-L-03-LX
台湾油升YEOSHE齿轮泵HGP-05A-F-05-R-X HGP-05A-L-05-R-X HGP-05A-F-05-L-X HGP-05A-L-05-LX
台湾油升YEOSHE齿轮泵HGP-05A-F-08-R-X HGP-05A-L-08-R-X HGP-05A-F-08-L-X HGP-05A-L-08-LX
台湾油升YEOSHE齿轮泵HGP-05A-F-11-R-X HGP-05A-L-11-R-X HGP-05A-F-11-L-X HGP-05A-L-11-LX
台湾油升YEOSHE叶片泵：
1：VHO-F-08叶片泵、VHO-F-12叶片泵、VHO-F-15叶片泵、VHO-F-20叶片泵
2：VHI-F-30、VHI-F-40、VHI-F-40-A2 、VHI-F-30-A3
3：AHPF-30、AHPF-40、VR15-70、VR20-70、VR30-70、VR40-70
规格型号AR22-FR01B-K10Y AR22-FL01B-K10Y 规格型号AR22-FR01C-K10Y AR22-FL01C-K10Y
规格型号AR22-FR01B-S-K10Y AR22-FL01B-S-K10Y 规格型号AR22-FR01C-S-K10Y AR22-FL01C-S-K10Y
规格型号AR22-FR01C-K10Y AR22-FR01C-K10Y 规格型号AR22-FR01B-20 AR22-FR01C-20