kalman filter java_Kalman filters（一）

3.1理论推导

首先假设状态变量为x，观测量为z，那么结合贝叶斯后验概率模型：

多目标跟踪从形式上讲可以理解为最大化后验概率，现在结合第二节的内容，假设状态变量x服从高斯分布，反映的是运动模型的不稳定性。基于状态变量x的估计先验，观测量z也服从高斯分布，反映的是量测误差，比如传感器误差。那么我们就可以利用高斯分布的融合来刻画Kalman滤波器的更新部分。

这里我们先给出一阶Kalman滤波器的公式，其中预测环节就是基于线性运动特性对状态变量的预测，即：

其中​

为状态变量的均值，​

为预测方差，那么​对应的高斯分布方差即为

，而​

则是线性运动模型本身的误差，由此得到预测环节。即预测结果服从高斯分布