3 卡尔曼滤波方法 3.1 卡尔曼滤波的特点及应用领域 3.2 系统的状态空间描述 3.3 卡尔曼滤波的直观推导 3.4 卡尔曼滤波的递推运算方程 3.5 卡尔曼滤波的结构图 3.6 卡尔曼滤波的应用实例 3.7 联邦卡尔曼滤波 3.8 联邦卡尔曼滤波的应用实例 3.9 Unscented卡尔曼滤波 13.1 卡尔曼滤波的特点及应用领域 卡尔曼滤波(Kalman Filtering) 是1960年由R.E.Kalman 首 次提出的一种估计方法。之所以称为滤波，是因为它是一 种排除随机干扰，提高检测精度的一种手段。 KF 是基于最小方差准则推导出来的一种线性滤波器。 KF 是一种时域递推算法，根据上一状态的估计值和当前 状态的观测值推出当前状态，不需存储大量的历史数据， 便于计算机实现。 KF 要求明确已知系统模型。即在应用卡尔曼滤波之前， 首先要建立系统模型和观测模型，并假定过程噪声、观测 噪声为高斯白噪声。 应用领域：机器人导航、目标跟踪、组合导航等。其中， 组合导航是卡尔曼滤波最成功的应用领域。 23.2 系统的状态空间描述 连续系统模型： -状态方程 -观测方程 3系统的状态空
