卡尔曼滤波实现java

 

 

卡尔曼滤波（Kalman filtering）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。虽然卡尔曼滤波在对过去值的估计、对现在值的估计以及对将来值的估计方面都有应用，但是如果直接将卡尔曼滤波运用到预测上，其实是很不适用的。在预测过程中一般将卡尔曼滤波与ARMA模型结合，可以对ARMA模型的预测值进行修正，并在一定程度上提升arma预测模型的准确度。
 

卡尔曼滤波在不确定性中融合信息

      可以在任何含有不确定信息的动态系统中使用卡尔曼滤波，对系统下一步的走向做出有根据的预测，即使伴随着各种干扰，卡尔曼滤波总是能指出真实发生的情况。 

给出第一个估计值，第一个估计方差以及高斯噪声方差，测量值方差，最后将这三个公式放进一个迭代循环里 。

public class Main {
	private static kalmanfilter = new KalmanFilter();
	public static void main(String[] arg){
			
			kalmanfilter.initial();
			ArrayList<Integer> list = new ArrayList<Integer>();
			list.add(-75);
			list.add(-76);
			list.add(-81);
			list.add(-75);
			list.add(-77);
			list.add(-76);
			list.add(-86);
			
			int oldvalue = list.get(0);
			ArrayLis