从概率学看卡尔曼滤波

 前面我写了一篇关于贝叶斯滤波的博客，详细推导了贝叶斯滤波，。也介绍了为了解决贝叶斯滤波中的无穷积分问题，产生了许多滤波方法，讨论了不同滤波方法之间的关系其中卡尔曼滤波应用比较广泛，这里详细推导一下卡尔曼滤波。
 
 这篇博客大部分参考了b站视频：忠厚老实的王大头
 感谢up主做的视频

1. 假设

$假设f(x_{k-1})、h(x_k)为线性，Q_k、R_k为0均值正态分布，X_{k-1}\sim N({\mu }_{k-1}^{+},{\sigma }_{k-1}^{+})$,所以状态转移方程和观测方程可以写成：
$$\{\begin{array}{l}{X}_k=f(X_{k-1})+Q_k=F\ast X_{k-1}+Q_k\\ Y_k=h(X_k)+R_k=H\ast X_k+R_k\end{array}$$

2. 预测步

$$\begin{array}{rl}{f}_k^{-}(x)& ={\int }_{-\infty }^{+\infty }{f}_{Q_k}[x-f(v)]f_{k-1}^{+}(x)dv\\ & ={\int }_{-\infty }^{+\infty }(2\pi Q{)}^{-\frac{1}{2}}{e}^{-\frac{(x-Fv{)}^2}{2Q}}\ast (2\pi {\sigma }_{k-1}^{+}{)}^{\frac{1}{2}}{e}^{-\frac{(v-{\mu }_{k-1}^{+}{)}^2}{2{\sigma }_{k-1}^{+}}}dv\end{array}$$
 这里的积分手算方法 $\{\begin{array}{l}①复变函数，用留数定理算\\ ②用傅里叶变换+卷积去算\end{array}$
 
 这里用第②种方法积分，先看看一些基本条件：
{