vondrak滤波器

    这个玩意一度让我欣喜若狂，因为在某些时候，它确实表现的非常好。其实搜搜网络，相关资料并不太多，不过也是个简单的东西。说起来，就是利用一堆历史数据，拟合一个多项式，然后拟合的过程中兼顾拟合度和平滑度，这个兼顾程度是由开发者来控制的。然后，根据最小二乘法，就可以算出一组权重系数coef。如果是利用k点（当前点和历史k-1点）进行拟合，则可以得到对当前点进行平滑处理的一组coef，然后当前点的滤波处理为：Pnew = Data（1->k）.*coef。

    这个coef与数据无关，只要确定数据点数k，拟合曲线次数n，以及拟合度,平滑度参数的平衡参数r，就有个固定的公式直接算出coef，很简单吧？呵呵。然后，直接点乘就得到平滑后的当前点。

    有文章把这个玩意说成是0相移的滤波器。不过-----只是当目标的运动轨迹为直线时才成立。当轨迹变化剧烈时，如直行过程中突然转弯，这时候滤波结果必然来不及转，而是延原来的方向继续走一点然后才调整到新的方向，想象一下，如果小车连续转弯，出来的轨迹会失真成什么样子。

    其实可以理解，毕竟这个搞法的实质是利用一堆数据拟合曲线，你本来是拟合直线的，但真实轨迹可能是2次曲线，这能成吗？到底怎么才能完全适应实际的情况呢？也许能根据速度实时判断用几次曲线拟合才比较好，而且事先在系统里保存多组不同阶次曲线的coef？带来的问题是，当前周期用的是k次曲线平滑，下一次用的 是k+m次曲线平滑，两次输出之间会不会产生跳变从而还是不平滑？？？

      很是伤脑子啊。。