对卡尔曼（Kalman)滤波器的一点感想

首先，对其主体思想做一下总结：

卡尔曼滤波算法是一个递推算法，当给定了一个初始状态后，其后皆由此递推运算而来，递推中存在误差，怎么办呢，要修正，如何进行修正呢？所以，观测方程就派上用场了。这里是随机过程的知识了，每次得到的观测值，其实是引入了额外的信息，这个信息就可以帮助我们对递推的结果进行修正了。所以，卡尔曼滤波的核心方程可以这样写：

x(n|Ln)=x(n|Ln-1)+K(n)a(n)

这里x(n|Ln-1)是一步预测出来的，a(n)为新息过程，K(n)为系数。其余的大部分计算，都不过是围绕着如何得到这个K(n)展开的。那K(n)又是怎么得到的呢？它和什么有关系呢？这里就牵涉到大量的矩阵运算了，对于工程应用而言，其实，知道公式，会建模型，就完全可以写代码了。当然，一步步推出来，那就是你牛B了。