【算法学习】卡尔曼滤波

该学习笔记为该话题下第一条回答中视频的笔记

1.目标

卡尔曼滤波是一种优化估算算法，根据已知信息估计未知量，可以简单理解为一种加权平均的方法，加权的依据就是更相信观测值还是更相信的估计值。

2. 状态观测器（state observer）

通过一种可直接观测的方式类比不可直接观测的目标值。例如：心情是不可观测值，因此可以通过给小朋友一块糖来观测他当前的心情。

状态观测器通过一种可直接观测的变量来估计不可直接观测变量，通过计算可直接观测变量的真实值与估计值之间的误差来推测出不可直接观测的变量值。状态观测器通过同时考虑估计值和误差来预测当前时刻的估计值。

图源自百文章开头链接的视频中

上图中的火箭box视为真实的系统，下面的box视为数学模型，K则为增益系数，作为误差的系数。

3. 最佳状态估计器

通过combine测量值和估计值获得最优的估计值

最优状态估计 = 预测状态分布 x 测量状态分布

当前状态=预估的状态值 + 更新的参数值
即，利用前一时刻预测当前时刻目标的状态和协方差（分布），然后根据预测值更新增益系数、预测值和预测值的协方差（未完）