BBZZ2的专栏

背景：卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。这种滤波方法以它的发明者鲁道夫.E.卡尔曼（Rudolph E. Kalman）命名，但是根据文献可知实际上Peter Swerl

一、状态空间模型简述状态空间模型是动态时域模型，以隐含着的时间为自变量。状态空间模型包括两个模型：一是状态方程模型，反映动态系统在输入变量作用下在某时刻所转移到的状态；二是输出或量测方程模型，它将系统在某时刻的输出和系统的状态及输入变量联系起来。状态空间模型分类  状态空间模型按所受影响因素的不同分为：（1）确定性状态空间模型（2）随机性状态

电子罗盘如  HMC5883L或者 MPU9250的AK8963测方位角时，经常会发现测量角度抖动很厉害。即使不动，角度也在不停的小范围内变化。这时候就需要使用陀螺仪对方位角进行补偿融合，得出稳定的数据。本文只讨论2Ｄ空间的方位角，就是电子罗盘X, Y两轴数据融合陀螺仪Ｚ轴数据。1. 电子罗盘和陀螺仪测量物理意义电子罗盘：０－36０度的方位角，也称为 yaw 。角度为arcta