Linear Filtering and Prediction

Kalman Filter
X(k|k-1)=A X(k-1|k-1)+B U(k)
X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为0。
P(k|k-1)=A P(k-1|k-1) A’+Q
P(k|k-1)是X(k|k-1)对应的covariance，P(k-1|k-1)是X(k-1|k-1)对应的covariance，A’表示A的转置矩阵，Q是系统过程的covariance。式子1，2就是卡尔曼滤波器5个公式当中的前两个，也就是对系统的预测。
X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1))
Kg为卡尔曼增益(Kalman Gain)：
Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R)
P(k|k)=（I-Kg(k) H）P(k|k-1)
其中I 为1的矩阵，对于单模型单测量，I=1。当系统进入k+1状态时，P(k|k)就是式子(2)的P(k-1|k-1)。这样，算法就可以自回归的运算下去。
http://www.cs.unc.edu/~welch/kalman/media/pdf/Kalman1960.pdf