卡尔曼滤波

简介

卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出测量数据，对系统状态进行最优估计的算法。由于测量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。卡尔曼滤波器只需要存储前一个状态的参数，不需要额外保留其他历史数据，因此具有内存占用小，计算速度快的优点，因此很适合应用于解决实时问题和嵌入式系统。

原理

详情参考The alpha - beta - gamma filter，该网站对卡尔曼滤波的原理进行了由浅入深地解读。这里简单介绍下卡尔曼滤波的五个方程：

1.状态更新方程，表示根据系统当前状态对下一时刻状态的估计，其中x为估计值，z为测量值，Kn为卡尔曼增益。该公式也可以转换为下面的形式：

这种形式就比较直观了，Kn其实就是一个权重，平衡了上一个时刻的估计值和当前测量值，加权计算出当前时刻的估计值。

 2.状态外推方程，上图给出的是匀速系统中的情况，以匀速直线运动为例，当前时