kalman滤波器中的几个概念

 什么是kalman滤波器？

       kalman滤波器是一个最优化递归处理算法（optimal recursive data processing algorithm）。

（1）最优（ optimal ）依赖于评价性能的判据。Kalman滤波器充分利用如下信息估计感兴趣变量当前取值：a.系统和测量装置的动态特性；b.系统噪声、测量误差和动态模型的不确定性的统计描述；c.感兴趣变量的初始条件的相关信息。

（2）递归（ recursive ）是指kalman不需要保存先前的数据，当进行新的测量时也不需要对原来数据进行处理。

（3）filter（DPA）实际上是数据处理算法，只不过是计算中处理的程序，因此能处理离散时间测量样本，而不是连续时间输入。

•         基本假设

       采用线性模型是合理的；这是典型工程模型在某些主要点或轨迹是线性的，线性模型比非线性模型更简单。因此用线性模型来近似。

    白噪声意味着噪声值和时间不相关；白噪声指在整个频率上都有相同强度的频率特性的噪声。实际应用中将频率设为常值，带宽大大超过系统带宽的噪声称为白噪声，用高斯白噪声来模拟，可以大大简化模型。

     采用高斯密度函数在实践上是可行的。因为采用高斯函数在数学上容易处理。当缺少高阶统计量时，除了假定高斯密度外，没有更好的可以表示的函数形式。用一阶和二阶统计量完全可以描述高斯白噪声。