卡尔曼滤波器

一、递归形式

将上述$1/k$记做一个参数$K_k$,

1. 估计误差（当前模型决定）远大于测量误差（自身测量系统）时，即说明估计不可信，当前估计值由测量值决定；
2. 估计误差远小于测量误差时，及说明模型的精度已经很好了，当前的估计值主要依赖与估计值，而不是测量值。

---

算法过程：

二、数据融合

z1、z2表示两个秤的测量值。

三、公式推导

其中，P(w)表示的是噪声的概率密度函数，服从均值为0，协方差矩阵为Q的正态分布。（这里的w是向量，所以要用协方差表示向量中各元素值之间的关系。）

其中：

（先验：理解成模型的计算结果；后验：理解成测量结果）
经过一系列变换求导，最后求得：

四、误差协方差矩阵

最终的卡尔曼滤波的过程（包含五个公式）：

卡尔曼滤波示例

具体例子：

注意，这里的T平方是状态转移矩阵里面的！而不是变量。
意思是$s_t=s_{t-1}+vT+1/2a\times T^2$

五、扩展卡尔曼滤波

注意，所有的状态变量都是用一个向量x表示的，所有的测量变量也是这样。