卡尔曼滤波初识

最近偶然接触到了卡尔曼滤波这个概念，先来简单地学习它的基本理念吧~卡尔曼滤波用于预测，既能包含数据的时序信息，也可以结合当前时刻的观测信息。

卡尔曼递推算法根据前一个时刻状态的估计值和当前时刻的观测数据，递推估计当前时刻的状态值。

卡尔曼滤波是采用递推的算法实现的，其基本思想是先不考虑过程噪声ωk和观测噪声vk的影响，得到状态变量和输出信号(观测数据)的估计值，再用输出信号的估计误差加权后校正状态变量的估计值，使状态变量估计误差的均方值最小。因此,卡尔曼滤波的关键是计算出加权矩阵的最佳值。

主要涉及两个方程：
状态方程：
（得到状态值的预测值，状态值也就是我们的目标值，他是不能直接观测得到的。）

量测方程：

为量测值，量测方程的含义是通过上一步状态方程的预测值结果得到对应的量测值。

量测方程误差：

量测值是可以测量得到的，通过将上上式得到的量测值与可测量的真实值（