卡尔曼滤波

看了很多篇关于卡尔曼滤波的，觉得这个描述我是能看懂的。

1、卡尔曼滤波简述：

目标：根据t-1时刻KF最优估计值，预测t时刻KF最优估计值

输入：t-1时刻最优估计值、t 时刻观测值（均符合高斯分布）

输出：t 时刻预测值（根据数学模型计算获得）、卡尔曼增益（优化问题，求解最优预测值）、t 时刻KF最优估计值（融合后新高斯分布的数学期望和均方差）

2个假设：状态方程和观测方程是线性的（非线性参考EKF），噪声均满足高斯分布

平衡小车（二维卡尔曼滤波）：

输入：t-1时刻角度值（初始为0），t 时刻观测值（加速度计解算出的角度）

输出：t 时刻预测值（t-1时刻角度值+角速度*dt）、卡尔曼增益（公式迭代计算）、t 时刻实际值（公式迭代计算）

2、数学知识

 

标准差就是均方差

高斯分布：

N（μ，σ^2），其中μ，σ^2为分布的参数，分别为高斯分布的期望和方差。当有这两者确定值时，概率p(x)也就确定了，特别当μ=0，