卡尔曼滤波方程组的深刻理解有哪些( 三 )
协方差传递为：
其中：
.
显然，传递了协方差还是不可以的。
这里，最小二乘法中的更新方式不能照搬，因为过去的观测数据需要状态转移。这太麻烦了。协方差可以传递。但没必要历史观测数据的状态也传递过来。好在，可以修改最小二乘法。只需要参照当前测量来更新参数。
得：
因为:
,其中：
得到：
整理一下：
这样，我们不需要维护
在
的状态转移下的形式。只需要维护
那么现在就可以总结卡尔曼滤波了。
卡尔曼滤波
表示在不参考
与
时，系统对
的估计。
表示参考了
后，系统对
的估计。
推荐阅读
- Butterworth滤波器中阶数有啥作用
- |奢华之作|静态体验千万级豪车迈巴赫S680普尔曼
- 宾利慕尚|利星行·青岛 | 独家带您体验1400万迈巴赫S680 普尔曼 震撼之作！
- 线性方程组的迭代求解法的收敛性怎样保证
- 滤波器、效果器应当怎么样使用傅立叶变换
- 滤波、预测和平滑之间的关系是啥
- 低通滤波和微分方程之间的关系?
- 怎样理解振铃效应
- 人体、人脑本身的算法是 PID 加 卡尔曼滤波吗
- 我想非线性优化算法，用硬件做，请问是用FPGA还是dsp?算法里面包含卡尔曼滤波，请大神详细指点。?