Fearless的博客

1、理论部分      上一篇介绍了线性卡尔曼滤波器，当系统为线性高斯模型时，滤波器能给出最优的估计，但是实际系统总是存在不同程度的非线性，如平方、三角关系、开方等。对于非线性系统，可以采用的一种方法是通过线性化方法将非线性系统转换为近似的线性系统，即为EKF，核心思想是：围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上项，得到一个近似的线性化模型，然后应用卡尔曼滤波完成状态估计。系统

1、理论部分卡尔曼滤波使用的准则是线性最小方差估计（LMMSE），因此，经典卡尔曼滤波适用于线性高斯系统，系统模型如下：     W和V分别代表过程噪声和量测噪声，数学期望为0，方差分别为Q和R，X代表系统状态。本文假定已有一定的线性系统基础，因此不对上图中公式做具体介绍。并且本文着重介绍公式的由来、公式为什么是这种形式，至于其中的物理意义之类的就不多说了。首先给出卡尔曼滤波的