我所理解的卡尔曼滤波 - 简书

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 153平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄19年

关注

转载最新推荐文章于 2026-06-22 00:30:00 发布 153 阅读 AI 写同款· GEO 优化 ›

卡尔曼滤波简介最近学习了一种结合了深度学习和状态空间模型的时间序列预测方法（见《时间序列预测方法之 DeepState》），该方法需要用到卡尔曼滤波。 卡尔曼滤波是一种高效的自回归滤波器，它能够从一系列不完全及包含噪声的测量中，估计动态系统的状态。在导航、运动控制、时间序列分析等领域都有重要应用。 卡尔曼滤波的公式比较多，乍一看容易懵。根据我多年的经验，遇到让人头疼的公式，自己试着推导一遍，肯定会更头疼，比较... 阅读详情

我所理解的卡尔曼滤波 - 简书

收录于

控制理论与控制工程

当前文章被收录于：

控制理论与控制工程

35 篇文章 1 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#机器学习 #概率论 #算法

原文链接：https://www.jianshu.com/p/d3b1c3d307e0>

深入理解卡尔曼滤波算法 卡尔曼滤波纸老虎 卡尔曼滤波也是一种最优估计算法，常见的最优估计算法有“最小二乘法”。概述 卡尔曼滤波算法从名称上来看落脚点是一个滤波算法，一般的滤波算法都是频域滤波，而卡尔曼滤波算法是一个时域滤波，这就是它的强大之处。再说说滤波这个名词，本质上就是给加权，其实深度学习中的卷积操作也是加权求和，本质上也是滤波，。既然是加权，从而可以推导出卡尔曼滤波算法本质就是数据融合的操作(Data fusion)，融合过程中的权重就是卡尔曼增益。 ... 阅读详情

相关推荐

卡尔曼滤波通俗易懂的解释

关于卡尔曼滤波，网上的资料很多，但是有很大一部分都是不断堆叠公式，然后用各种晦涩难懂的专业术语进行解释，说实话我刚开始看的时候也是云里雾里，因此写下这篇博客是为了照顾和我一样的萌新，通篇文章我会力求从最基础的部分一步一步深入，并尽可能少地使用公式（或许？），并对每个公式和参数尽可能详尽地解释，另一方面，这篇博文也是为了自己日后方便回顾用的。如有错误请及时指出。参考的部分资料如下：如何通俗并尽可能详细地解释卡尔曼滤波？如何理解那个把嫦娥送上天的卡尔曼滤波算法Kalman filter? 卡尔曼滤波器的原

moumde的博客 2万+

卡尔曼滤波

目录1.卡尔曼滤波入门2.学卡尔曼滤波的必备知识2.1.状态空间表达式2.2.高斯分布2.3.方差2.4.超参数2.5.卡尔曼直观图解3.卡尔曼滤波3.1.卡尔曼公式理解3.2.调节超参数3.2.1.Q和R的取值3.2.2.P0和X0的取值3.2.3.卡尔曼滤波的使用...

qq_45113223的博客 5万+

关于对于车辆轨迹的卡尔曼滤波仿真以及自己对于卡尔曼滤波的理解

1. 理论最近学习卡尔曼滤波，由于卡尔曼滤波的公式都很简单，这里仅仅是将最终公式贴在这里，他是由贝叶斯滤波在假设各变量为高斯分布且相互独立的情况下推出来的，公式如下：以上公式是卡尔曼滤波（KF）的公式，对于扩展卡尔曼滤波无非就是状态转移矩阵的方程是非线性，我们仅仅针对非线性局部线性化，对其求雅可比矩阵，之后按照卡尔曼滤波公式进行计算即可。 2. 无人机轨迹预测与仿真（卡尔曼滤波） 2.1 卡尔曼滤波理解总体来说仿真卡尔曼滤波就是在已知状态方程的情况下得到各矩阵的值，先算出加上高斯噪声的测量值，得

qq_42955211的博客 3268

卡尔曼滤波(Kalman Filter)概念介绍及详细公式推导

卡尔曼滤波（Kalman filter）是一种高效率的递归滤波器（自回归滤波器），它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自主要贡献者之一的鲁道夫·卡尔曼。 卡尔曼滤波的算法是二步骤的程序。

泽渊的博客 9万+

《卡尔曼滤波理解及python实现》

文章目录Kalman滤波推导五个公式推导过程实现cv2.KalmanFilter自己实现轨迹预测参考链接 卡尔曼滤波的简单理解及应用 Kalman滤波状态估计器模型精确和随机干扰信号统计特性已知的线性系统本质：贝叶斯模型 + 最小均方误差估计步骤根据上一次的最优状态估计和最优估计误差去计算这次的先验状态估计和先验误差估计根据本次先验误差估计和测量噪声，得到卡尔曼增益根据当前测量值和先验状态估计值，通过卡尔曼增益加权，得到本次的最优估计推导五个公式预测 x^k

安阳知秋 5937

【易懂教程】我是如何快速理解卡尔曼滤波Kalman Filter(KF)算法的(1)？

牛逼的算法往往都是来源于一个很简单的思想所演化而来，如果你不了解这个思想和演化过程那就谈不上了解那个牛逼的算法——@Ai酱直观理解首先卡尔曼滤波要解决的问题是什么？我以机器人估计自己离障碍物距离为例答：首先机器人已知“上个时刻机器人离障碍物距离”，“传感器测量的机器人离障碍物的距离（我们称它为观测值，比如雷达直接测量机器人离障碍物距离7m）”和“自己当前时刻的速度”这三个数据。而根据“上...

@司南牧|知乎|博客|易懂教程|李韬 3537

轻松理解卡尔曼滤波

请参考https://www.jianshu.com/p/f6ce8943560c?from=singlemessage

yiyouxian的专栏 303

卡尔曼滤波在Webrtc中应用的理解

总结了自己对卡尔曼滤波的理解以及卡尔曼滤波在webrtc中视频播放控制的应用。通过抽离webrtc代码并模拟数据输入加深对算法流程的理解。

lidec的专栏 2374

卡尔曼滤波的理解

卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”

非晚非晚的博客 1万+

关于卡尔曼滤波的一些理解

关于卡尔曼滤波的一些理解记录一下20-6-15学习卡尔曼滤波的一些收获。主要是对Kalmen“黄金五条”的理解。也是看了很多的博客，其实大多数问题都可以得到解决，但是有一些为什么还是想记录下来。三篇觉得对初学最适合的文章或者博客或者回答。链接: [link](https://www.jianshu.com/p/d3b1c3d307e0). 最主要的理解都是来自这篇文章。准备知识相信用到卡尔曼滤波(这种老古董)的对信号处理的一些知识都没问题或者一搜就会，这里只记录一个问题，也是卡尔曼滤波

weixin_43212051的博客 790

保姆级教程：在Davinci Configurator里配置BswM的ECU状态机（附状态切换流程图）

本文提供了一份详细的AUTOSAR BswM模块配置指南，通过Davinci Configurator工具实现ECU状态机的构建与管理。内容涵盖从模式请求端口创建到状态切换规则定义的全流程，特别针对Ecu State Handling进行了深入解析，并附有状态切换流程图，帮助汽车电子工程师高效完成ECU状态管理配置。

weixin_28366475的博客 410

卡尔曼滤波的理解、推导和应用

卡尔曼滤波简介、原理、五个公式、公式推导、应用

氢键H-H 3万+

ISCE+Mintpy进行SBASInSAR处理(持续更新)

通过调用pairs_misregistration方法，利用safe_dict中的数据信息，对每对SLC数据进行配准误差的计算和分析，以确定数据之间的精确差异，为后续的时间序列处理提供基础。给定同一地区的两景ＳＡＲ影像，经过配准之后，对应像元进行共轭相乘得到相位差，并形成干涉图，但是从干涉图中得到的相位差实际上是主值，即在(-π，π）呈周期性变化，为了还原其真实的相位差，必须在主值的基础上加或减整数倍的相位周期２π，把被卷叠的相位展开，才能顺利地反演出地面目标的高程和形变。

Cyy2511250589的博客 3735

卡尔曼滤波的理解以及参数调整

在移动机器人导航方面，卡尔曼滤波是最常用的状态估计方法。直观上来讲，卡尔曼滤波器在这里起了数据融合的作用，只需要输入当前的测量值（多个传感器数据）和上一个周期的估计值就能估计当前的状态，这个估计出来的当前状态综合考量了传感器数据（即所谓的观察值、测量值）和上一状态的数据，为当前最优估计，可以认为这个估计出来的值是最可靠的值。

张京林要加油的技术专栏 10万+

数字IC后端层次化Hierarchical Flow子系统Sub-System模块 block partition和pin assignment细节盘点

数字IC后端培训教程之Hierarchical Flow子系统block partition和pin assignment详细教程

weixin_37584728的博客 1604

YOLO11优化：特征融合 | 金字塔稀疏 Transformer（PST）——一个轻量级、即插即用的模块 | 25年7月最新成果

我们提出金字塔稀疏 Transformer（PST）——一个轻量级、即插即用的模块，通过由粗到细的 token 选择机制和共享注意力参数，在大幅降低计算量的同时保留空间细节。

①答疑群聊服务；②YOLO大模型知识问答系统；③计算机视觉论文生成智能体； 1062

理解卡尔曼滤波

卡尔曼滤波被广泛的应用于运动估计中，在飞行器中多有应用，区别于普通滤波如低通滤波，卡尔曼滤波具有不延时的优点，即普通的低通滤波在过滤噪声的同时也会引入信号滞后，而卡尔曼滤波则可以实时估计对象状态，不产生滞后。与普通滤波不同，卡尔曼滤波基于对象的数学模型进行设计。关于卡尔曼滤波的介绍参考 https://zh.wikipedia.org/wiki/卡尔曼滤波 或者英文网站...

星光 8115

具身大小脑全栈全网独家复现｜LLM链式推理+边缘VLA感知+毫秒级运动小脑、优化人形步态僵硬运动滞后、打通思考-行走-操作全链路适配居家工业多场景落地

高层决策大脑（异步10Hz，GPU算力）：轻量化机器人微调LLM+RhinoVLA边缘视觉大模型，负责自然语言链式工序拆解、全局环境语义感知、目标物体筛选、跨机器人动作适配，输出粗粒度运动目标，不介入底层伺服计算；依托View Registry实现异构机器人动作对齐，适配多形态机器人切换；中层调度小脑（硬实时1kHz，CPU算力）

qq_36130719的博客 255

通俗理解卡尔曼滤波（无人驾驶感知融合的经典算法）

前言说来惭愧，我个人也算有近10年AI教育经验，中间获得过一些名号，比如北理工校外导师，微软MVP兼优快云技术专家，本博客也有1700多万PV了，在AI圈内还是有很高知名度的。后2015年和团队一块创业创办AI职教平台「七月在线」，至今已近7年，这6 7年我们把AI做透了，同行没做的我们做，同行没有的广度我们有，同行不到的深度我们到。六年多来，在专注做成人AI职教的同时，面对过很多行业的刺激，但自始至终都坚持专注AI。但过程中越发深刻意识到，AI只有与行业深度结合绑...

结构之法算法之道 4万+

【26美赛F题 To Gen-AI, or Not To Gen-AI】（MCM/ICM）思路解析及代码分享

摘要：本文研究生成式人工智能（Gen-AI）对三类职业（STEM、技能型工艺、艺术）的影响，建立量化模型预测未来10-20年岗位需求变化。通过分析AI替代效应（$R_{sub}(t)$）和增强效应（$R_{enh}(t)$），提出差异化高校课程调整策略：STEM专业需加强AI集成能力，技能型工艺专业应结合智能工具与实操训练，艺术专业需平衡AI创作辅助与原创性培养。模型表明，高校通过针对性课程优化可提升毕业生在AI时代的就业竞争力，为教育决策提供数据支持。（149字）

一键难忘的博客 636

【肌电处理】肌电信号EMG积分肌电值+均方根值+中值频率+平均功率频率【含Matlab源码 3386期】

肌电信号EMG积分肌电值+均方根值+中值频率+平均功率频率完整的代码，方可运行；可提供运行操作视频！适合小白！

订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份； 822

上一篇：对卡尔曼滤波中增益系数K表达式的理解_少年芒果君的博客-优快云博客_卡尔曼滤波增益

下一篇：概率统计——最大后验概率（MAP) 引

卡尔曼滤波通俗易懂的解释

moumde的博客

07-08

2万+