我理解的:
如果对一系列数据kalman滤波,会滤除大的波动,联想到以前做得运动轨迹平滑,可以借助kalman的思想处理。保存历史数据来处理当前数据很麻烦,而kalman的想法只需要前一个时刻数据而已。“最优化自回归数据处理算法”,我理解,是一种对动态结果进行优化的方法,最优化体现在与历史数据无关上。我觉得绝大多数动态测量系统都应当采用kalman的方法对结果修正,可以提高精度。
算法过程:1,由k-1时刻的最优值及偏差及预测偏差可以得到k时刻的预测值,结合k时刻的测量值及其偏差,可以得到k时刻的最优值及其偏差。2,由k时刻最优值预测k+1时刻值,结合k+1时刻测量值,得到k+1时刻最优值……一直下去。
测量偏差是一定的,应当是已知的;最优值偏差是由预测值偏差和测量值偏差决定的;预测值偏差是由最优值偏差和预测偏差决定的;预测偏差是由预测算法决定的。
假设系统发生大的干扰:如果测量值波动很大,得到的最优值偏向于预测值,最优值的偏差是由预测值和测量值的偏差共同决定。所以最优值的偏差也不会小。(后来想想,其实kalman方法并不是处理这种“突变型”数据的,它只是优化结果而已)