卡尔曼滤波参数是如何影响滤波效果的？——KF第一篇笔记

这是关于卡尔曼滤波系列的第一篇笔记。笔记内容不按照算法学习的顺序来，所以这不是一个教程，而是对待某一特定问题的解决方法探讨。
所有笔记放在卡尔曼专栏里面。欢迎私信或email:evandjiang@qq.com讨论。

离散KF介绍

KF作为一个迭代算法，所以它是离散的，虽然有连续KF这个说法，但是还是需要把模型打成离散化的形式才可以用于计算。
• 状态方程是微分形式的，需要根据不同的情况进行离散化处理
• 观测方程不是微分形式，而只是简单的线性变化，其内部又不含有采样时间等与时间有关的参数，所以不需要进行离散化（或者说离散形式和连续形式相同）

滤波参数的意义

方程中：x是状态量，z是观测量，φ换h是转移矩阵，ω是系统噪声，ν是观测噪声。这里忽略两个噪声的转移矩阵。
噪声是已知的、系统自带的、不可调的。如果可以调节，我们当然希望噪声为0，因为那样的话得到的结果最好；当然，如果噪声为0，滤不滤波似乎也没有意义了。。。
我们需要调节的参数就是R/Q/P这三个。在正常的卡尔曼滤波中，R和Q不变，P只需要提供一个初值。所以总结来说R/Q/P全都只需要确定一次，后面就不用管了。

• R代表的是观测误差（方差），R越大，表示观测值越不可靠。
• Q代表的是系统的误差（方差），Q越大，表示系统的估计值越不可靠。
• P代表目前迭代值的误差（方差