卡尔曼滤波器的原理以及在matlab中的实现- 学习笔记

卡尔曼滤波器又叫最佳线性滤波器，好处有实现简单，纯时域（无须频域变换）所以在工程上有很广泛的应用。

假设有一辆小车在路上行驶，用它的位置和速度表示它当前的状态，写成矩阵形式就是一个二维的列向量，这个列向量的两个元素就是它的两个状态，u表示驾驶员对车辆的控制，即加速度，如果匀速运动，u就是0.如果我们知道上一个时刻的状态，Xt-1，则当前时刻的位置状态信息和速度状态信息为：

上式中Pt-1 为上一时刻的速度，Vt-1 为上一时刻的速度，deltet为两个时刻的间隔，Ut为加速度

这两个变量中的输出变量都是输入变量的线性组合，这就是为什么说 卡尔曼滤波器是最佳的线性滤波器，因为它只能描述状态与状态之间的线性关系。既然是线性关系，我们就可以进一步写成矩阵的形式：

我们进一步把两个状态变换矩阵提取出来，变成由此可得：，这个公式就是卡尔曼滤波中的第一个公式，状态预测公式，其中F叫做状态转移矩阵，表示我们如何从上一刻的状态来推测当前时刻的状态。

B叫做控制矩阵，表示控制量u如何作用于当前状态。x上的尖号表示这是对x的估计量，而不是x的真实值，因为汽车的真实状态我们无法知道，我们只能根据观测尽可能的估计x的值。x上的减号上标表示这个值是根据上一时刻推测出来的，需要修正，修正之后的值才是最佳的估计值，也就是没