python数据处理高斯滤波_解读——卡尔曼滤波（二）

关注不迷路奥^~^

注意：这一节会用到概率论的一些知识，希望小伙伴们能去补充一下知识。

ps：概率论很重要奥，尤其是在大数据处理、机器学习、智能控制等方面。

有机会会写一篇文章，扯一下本科数学基础在专业中的应用。

卡尔曼滤波方程

上一节已经说明了预测方程的第一个方程，即根据上一个时刻的数据，通过输入和物理关系来计算出本时刻的数据(这相当于预测数据，与实际的数据会有出入)。

下面来推导预测方程的第二个公式：

预测方程-2

该方程的计算公式为(下面式子中，E()代表求期望，后面的这些知识设计到了概率论，不会的同学可以去补充一下知识，并且卡尔曼滤波的前提是将噪声的信号看成符合高斯分布-正态分布的信号)：

预测方程-3

其中(这里根据上一节的知识，带进去就能的出来)：

状态方程的另一种写法

上一节中，最后面的那个噪声信号wt没有添加进去，在这里重新写一下。

预测方程-4

这样通过计算可得：

预测方程-5

因为状态误差与过程噪声不相关，因此：

预测方程-6

至此，预测方程已经退到完成，一定要细心阅读，弄明白奥。