卡尔曼滤波算法与应用
卡尔曼滤波的算法挺好用，尤其在线性、离散系统时，简直是神器。你如果做过信号或数据融合的工作，就会知道它有多重要。用它来估算状态，可以有效减小噪声对结果的影响，适合像传感器融合这类场景。
需要注意的是，卡尔曼滤波计算的过程中，增益 K(t)其实和观测数据是没啥关系的，主要靠高斯分布的假设来推算条件概率。所以，如果你有一组高斯分布的数据，直接用卡尔曼递归公式算，能够得到条件均值和方差，你估计系统状态。
如果你想进一步了解卡尔曼滤波的原理和应用，可以看看相关资料。比如[卡尔曼滤波](http://www.100li.com/c/141314.html)，或者是[子类状态空间扩展](http://www.100li.com/csharp/88896.html)这两篇文章。挺推荐的，理解整个算法的框架。
如果你刚接触卡尔曼滤波，建议先搞明白它的数学推导过程，再去实际操作，效果会更好。
文件大小：2.89KB
评论区