一个应用实例详解卡尔曼滤波及其算法实现.docxVIP

一种应用实例详解卡尔曼滤涉及其算法实现

分类：数据构造及其算法

为了能够更加容易的理解卡尔曼滤波器，这里会应用形象的描述办法来解说，而不是像大多数参考书那样罗列一大堆的数学公式和数学符号。但是，他的5条公式是其核心内容。结合当代的计算机，其实卡尔曼的程序相称的简朴，只要你理解了他的那5条公式。

在介绍他的5条公式之前，先让我们来根据下面的例子一步一步的探索。

假设我们要研究的对象是一种房间的温度。根据你的经验判断，这个房间的温度是恒定的，也就是下一分钟的温度等于现在这一分钟的温度（假设我们用一分钟来做时间单位）。假设你对你的经验不是100%的相信，可能会有上下偏差几度。我们把这些偏差当作是高斯白噪声（WhiteGaussianNoise），也就是这些偏差跟前后时间是没有关系的并且符合高斯分派（GaussianDistribution）。另外，我们在房间里放一种温度计，但是这个温度计也不精确的，测量值会比实际值偏差。我们也把这些偏差当作是高斯白噪声。

好了，现在对于某一分钟我们有两个有有关该房间的温度值：你根据经验的预测值（系统的预测值）和温度计的值（测量值）。下面我们要用这两个值结合他们各自的噪声来估算出房间的实际温度值。

如果我们要估算k时刻的是实际温度值。首先你要根据k-1时刻的温度值，来预测k时刻的温度。由于你相信温度是恒定的，因此你会得到