本文介绍了卡尔曼滤波器的发展历程，包括高斯的最小二乘估计、维纳滤波和卡尔曼滤波的诞生。卡尔曼滤波器以其递推时域设计和广泛应用在信号估计中。文章列举了卡尔曼滤波的核心公式，并讨论了其在不同场景下的应用，如卡尔曼平滑、滤波和预测。此外，还探讨了扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波器（UKF）处理非线性问题的方法，以及卡尔曼信息滤波和应对计算误差的策略。
1795年，高斯为了测定行星轨道提出了最小二乘估计法。
1942年，维纳为了解决火力控制系统精度跟踪问题，提出了维纳滤波理论。
维纳滤波理论首次将数理统计理论与线性理论有机结合，形成了对随机信号最有估计新理论~~
但是频域设计法使其应用困难，人们开始寻求时域内直接设计最有滤波的方法。
1960年，卡尔曼发表论文《A New Approach to Linear Filtering and Prediction Problems》，卡尔曼滤波器就此诞生~
卡尔曼算法使用状态空间的概念，基于时域设计，算法是递推的，大大降低算法时间和空间复杂度，被广泛应用于各种信号估计。
五条核心公式如下：
如果希望了解卡尔曼滤波的证明
最低0.47元/天 解锁文章
扫一扫
101
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
