卡尔曼滤波器-概述及用递归思想解读卡尔曼滤波器 | 卡尔曼滤波器应用举例（附Matlab程序）| 数学基础-数据融合、协方差矩阵、状态空间方程

1.递归算法

1.1卡尔曼滤波器概述

  卡尔曼滤波器是最优化的（Optimal）、递归的（Recursive）、数字处理的（Data Processing）算法（Algorithm）。卡尔曼滤波器更像是观测器，而不是一般意义上的滤波器，应用广泛，尤其是在导航中，它的广泛应用是因为生活中存在大量的不确定性。
  当描述一个系统的不确定性时，主要体现在三个方面：①不存在完美的数学模型；②系统的扰动不可控，也很难建模；③测量传感器本身存在误差。

1.2应用举例

  找不同的人来测量硬币的尺寸，用 z k z_k