卡尔曼滤波算法-Kalman filter

一、算法的提出背景：

卡尔曼滤波Kalman filter，"鲁道夫.E.卡尔曼，在一次访问NASA埃姆斯研究中心时，发现这种方法能帮助解决阿波罗计划的轨道预测问题，后来NASA在阿波罗飞船的导航系统中确实也用到了这个滤波器。最终，飞船正确驶向月球，完成了人类历史上的第一次登月"

发布的论文：A New Approach to Linear Filtering and Prediction Problems,

其它滤波方式：

1、有用信号和噪声频谱无交叠

传统滤波：通过通带截止频率选择过滤噪声干扰，例如IIR、FIR

2、信号和噪声频谱有交叠

滤波问题演变为在已知观测量的前提下，对未知信号进行最佳估计的问题。

1）没有估计量的任何先验知识

   经典估计理论，按照估计最佳的评价准则不同划分：

   最大似然估计（MLE）、矩估计、最佳线性无偏估计（BLUE）、最小二乘估计（LSE）

2）有估计量的先验知识（概率密度函数（PDF）、统计特性）

  最佳评价准则划分：

   最小均方误差估计（MMSE）、最大后验估计（MAP）