卡尔曼滤波器的遗忘因子

在做毕设的时候看了网上的介绍感觉还不够全面，复习现代控制的时候又看见了它，便准备学习一下它的原理，并且应用到实际上。

在学习的一些算法中，都会有一个参数的改进。

• 把东西变成线性的叠加，如y=ax1+（1-a）x2
• 把参数变成了分段函数，在有些条件时它是1有些时候它是0

就像是考虑了上一个时刻的状态进行叠加，不让它超过一定范围。

卡尔曼滤波器中呢，也可以加一个参数，叫遗忘因子。
这种更新的过程中，协方差等没有区别早期的观测的老数据和近期观测的新数据对参数估计的影响，也就是说老数据和新数据对于参数估计所提供的信息同等重要。

但是！！！
当系统参数随时间变化时，当然是新数据比老数据更能反应参数变化的情况，因此我们可以考虑用指数的方法来反应参数变化的情况。
让所有数据都乘以一个加权因子。

上一篇文章写了卡尔曼的更新步骤，这里再引用一遍
https://blog.csdn.net/qwe900/article/details/105841154

那么引入这个参数后修正方程需要进行一定修改。

权重这种思想在很多算法中都有体现，通过引入权重可以进行优化，真是个神奇的东西！。