Kalman filter（基础理解）

Kalman filter(初中生也能看懂的卡尔曼滤波)

简介

​ 怎么理解卡尔曼呢？首先我们先别着急来回答这个问题，我们层层深入，所以我们要先搞懂什么是滤波，之后来了解什么是卡尔曼。

一、什么是滤波？

​ 首先，你要去训练你的网络，肯定你的数据一定是很多的，但是你能保证你的数据都是最好的最适合你的网络的吗？ 这你就会面临一个问题，这些的噪点肯定会给你的网络带来误差，你要把这些错误的值给你挑选出来，才能更好的提供给网络，训练除你想要的结果，这个挑选的过程就是滤波的思想。

如果还不是很清楚请进入：https://baike.sogou.com/v100147099.htm?fromTitle=%E6%95%B0%E6%8D%AE%E6%BB%A4%E6%B3%A2

二、卡尔曼滤波思路

1、简介

​ 在这里就默认你已经了解了滤波的基本思想，现在我们来谈谈什么是卡尔曼滤波，从名字可以看出来----都是滤波只是你的方式不同而已。

2、基本流程

​ 假设你有两个测量数据的仪器，你测量以后你会发现两个测试的数据都是不一样，为什么会这样？ 答案是他们之间是存在误差的，不同的仪器之间的都是有一定的误差，如何取使得误差最小（误差是不可避免的）， 这就是我们接下来要思考的过程。

1. 首先会想到将两个数据取平均

​ 我们再来假设你是知道哪一个的数据是相比比较准的，哪一个测量的数据是不是很准的，这样我们如果取平均的会会不会觉得他们之间的数据还是不符合最佳的处理方式，这样的话还有其他什么好的办法没有呢？

2. 加权平均

​ 怎么进行加权？ 我们在这里假设我们的两个测量工具都符合正态分布，你又知道这两个正态分布的方差，用这两个的方差值，你将可以计算出一个最佳的权重。

3. 有了权值怎么办

​ 那么我们再次假设你有一个测量数据的工具，和一个构建的数学模型，通过模型的预测，给你计算出了一个预测值，但是你又发现这个值还是不太准，这样的话，接下来怎么办呢？

4. 重点来了！！！

​ 现在我们有了一个数学模型，一个测试仪器测试出来的值，一个权值，现在（重点），你要的数据就是通过加权取平均值的数据，这里需要说明一点数学模型的作用，数学模型预测的数据就是知道k等于多少，他给你预测出来k+1等于多少，你会发现这个模型就好像一个步长，那么k等于多少呢？

​ k就是你上一步的卡尔曼滤波得来的，就是加权平均之后的数据，这个时候你的得到的数据就是最佳的估计值

5. 如何实现呢？

​ 通过对你的的过程的迭代，你就有了你需要的最佳数据。这就是卡尔曼滤波。

说明

​ 本篇博客是用来说明卡尔曼滤波的基本流程，而不是去实现卡尔曼滤波，过程中省略了很多的计算公式，这些需要读者自己去理解，可以参考下面的文献地址，他将帮助你更加简单的学习卡尔曼。

文献

https://zhuanlan.zhihu.com/p/77327349

https://blog.csdn.net/varyshare/article/details/95065650?depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2&utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2