理解卡曼滤波2

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）