【python】基于MCC（最大相关熵）的卡尔曼滤波的python代码，一维滤波，应对观测数据突变，附完整代码

本代码实现了 最大相关熵卡尔曼滤波（MCC-KF） 与经典卡尔曼滤波（KF）的对比仿真，重点验证MCC-KF在存在异常观测值场景下的鲁棒性改进。通过高斯核函数动态加权残差，MCC-KF能有效抑制异常值对状态估计的影响。

运行结果

状态曲线：

误差曲线：

另外输出各方法得到的误差特性：

上面的结果能看出来，MCC滤波的误差最小，对于两处观测值异常的屏蔽也是最好的。

Python源代码

以下代码复制粘贴到空脚本中即可直接运行：

import numpy as np

# 高斯核函数
def gaussian_kernel