通俗理解卡尔曼滤波

卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

---

一、卡尔曼滤波有什么用？

• 数据A不能直接测量的情况下，使用卡尔曼滤波器通过数据B预测数据A
• 通过传感器等测量数据有误差时，通过卡尔曼滤波器进行优化，减小误差

二、卡尔曼滤波是什么？

状态观察器

（1）状态观察器有什么作用？

假设我们在开火箭，
火箭油箱过热会炸，你需要时刻监测温度并调整燃油流量，
但是你不能直接测量油箱里面，因为温度计会炸，
你可以测量油箱外面的温度，你也知道燃油的流量，
现在你拥有强大的数学能力来做出一个模型能模拟整个过程，
只要模拟出来的油箱外部温度=测量出来的温度，
那么预测出来的油箱内部温度肯定也是对的
但是你这个模型有很大的不确定性，因为你在太空不知道会发生什么，
所以，模拟出来的油箱外部温度=测量出来的温度是不可能的，
状态观察器能解决这个问题。

（2）状态观察器的组成

上文已经提到我们已经得出了数学模型，
需要解决的是算出来的和测出来的不匹配咋整，
于是我们加入了控制器K，
根据测量值来调整计算得出来的结果，
通过一系列的数学公式，
我们可以能够尽可能的减小测量值与计算值的误差
而如何处理这个K，
便是卡尔曼滤波方法

最佳状态估计器

我们知道，
测量时总会有误差，符合正态分布，
我们做出的数学模型，因为外界的干扰也会有误差，也符合正态分布
因此我们将二者结合起来，通过数学方法（两个概率函数相乘），
即可获得最接近正确的结果
这便是最佳状态估计器
下面我们将计算数学模型产生的误差P

卡尔曼滤波器

第一步：用于预测的算法：用于计算状态估计值和误差协方差P（不确定性的度量）
在最开始k-1的值来自初始估计值
第二步：使用第一步的结果，更新x和P并计算，并调整Kk，使P最小，此时的P为当前状态的误差协方差
第三步：重复步骤进行迭代

三、进一步学习

• 傻瓜也能懂的卡尔曼滤波器
• 如何通俗并尽可能详细地解释卡尔曼滤波？