最好的卡尔曼滤波讲解

        这是我看过的最好的卡尔曼滤波讲解，十分通俗易懂。推导卡尔曼也和做数学题一样，有不同的解法和不同的理解角度，这个是我看的最直观的。白巧克力亦唯心大神也有从推导到应用，理解的角度是求取最小均方误差（不是均方差），最小均方误差是指样本离真实值的距离的平方的期望，反映了相对真实值的偏离程度。但我更喜欢本文提到的方法，直接从高斯分布相乘可以得到更小的不确定性的分布的角度来讲。

        卡尔曼的中心思想，就是我们先预测一个状态，并从它里面抽取出来传感器能观测到的项，（比如一个系统的状态，包含了很多元素，但我们只能观测到它的温度和频率这两项，我们就从预测的状态里面抽取出来这两项）然后和真实观测到的值相乘（为什么相乘，因为两个高斯分布的东西相乘，可以得到一个均值折中，分布范围（不确定性）更小的高斯分布）。得到了一个不确定性很小（可能性很高）的观测值，根据观测值和状态值之间的关系，就可以反推出一个可能性比较高的状态值了，我们最终的目的也是想得到一个分布更小可能性更高的状态值。

          所以，这样一看，高斯分布是多么重要啊，因为他们是高斯分布的，相乘结果会得到一个可能性高的值，才有了我们实施两者相乘那一步的依据。

        “为己为人”的