卡尔曼滤波器的递归思想及实现

卡尔曼滤波器（Kalman Filter ）

1、概念

卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测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。

2、递归算法（Recursive Algorithm）

最优化递归数字处理算法
不确定性：
1、不存在完美的数学模型；
2、系统的扰动不可控，也很难建模；
3、测量传感器存在误差。

3、举例

卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的，包含噪声的观察序列中预测出物体的坐标位置及速度。在很多工程应用(雷达、计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题。


.
.
.
根据三步骤计算公式，在Excel表格中计算17组数据，并画图


利用卡尔曼滤波器的递归思想来作估计，随着我们不断更新测量值，它会越来越靠近真实值。