现代控制理论中的卡尔曼滤波器与状态观测器之间有什么联系与区别？

从更宏观的角度回答：滤波器（filter）和观测器（observer）之间的联系和区别是什么。

联系：两者都需要一个微分方程或差分方程描述的动态系统，也就是系统在上一时刻的参数值可以通过这个方程递推到下一时刻。除此之外，两者也都需要对系统状态的直接测量，用于矫正初始误差或动态系统噪声带来的误差。有了这些信息后，两者都是用加权平均的方式将通过方程算出的值和直接测量得到的值进行融合，从而得到比任何单个信息来源都更准确的对系统的估计。

表面区别：观测器在加权平均时权重一般是固定的，而滤波器的权重是根据系统初始不确定性和噪声强度用递推公式计算出来的。两者的稳态精度（stationary）几乎没有区别；但如果初始估计的不确定度和噪声强度已知，滤波器的瞬态精度（transient）几乎一定优于观测器。

本质区别：观测器的理论基础不包含任何随机噪声，所谓观测器是“收敛的”（convergent），指在没有任何随机噪声的情况下，观测器可以让对系统的估计从错误的初始值，收敛到正确的值（误差为零）。而滤波器的理论基础是建立在对随机噪声建立模型上的，一旦系统有了随机噪声，将误差降为零是不可能的，因此滤波器的目的是追求另一种意义上的最优，一般定义为误差平方的期望最小（optimal filter）。但因为考虑随机性后系统变得复杂得多，所以一般这个最优是达不到的（sub-optimal filter），除了线性系统高斯噪声外（也就是卡尔曼滤波器）。用更加数学的话来总结：观测器考虑的是用微分方程（differential equation）描述的系统，是非随机的；滤波器考虑的是用随机微风方程描述的系统（stochastic differential equation）描述的系统，是随机的。

两者的优劣：如果滤波器是最优的，并且初始误差的不确定度和噪声强度完全已知，那滤波器的精度一定优于观测器。然而在实际应用中，往往系统是非线性的，噪声是非高斯的，所以滤波器不是最优的；而且初始误差的不确定度和噪声强度也很难完全知道。这时如果对系统的稳定性有很高的要求，观测器的稳定性就很有价值了，因为一般非最优的滤波器（如EKF）在一些极端情况下是会造成误差发散的。

作者：王炜鑫
链接：https://www.zhihu.com/question/65933880/answer/1788213843
来源：知乎