如何確定卡爾曼濾波的觀測矩陣

　　卡爾曼濾波的原理是使用觀測值來動態的生成統計預測引數的。

　　X(k)=AX(k-1)+BU(k)+W(k).(1)

　　Z(k)=HX(k)+V(k).(2)

　　預測是透過(1)式中的W(K)和(2)式中的V(k)的噪聲的統計“標準差”生成的。有說是“協方差”可能和後面三個跌代式子混了。

　　X(k|k)=X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))………(3)

　　Kg(k)=P(k|k-1)H’/(HP(k|k-1)H’+R)………(4)

　　P(k|k)=（I-Kg(k)H）P(k|k-1)………(5)

　　(3)(4)(5)補充計算(1)(2)完成跌代過程。H是“馬爾科夫”鏈中的預測矩陣。

　　卡爾曼濾波是一種利用線性系統狀態方程，透過系統輸入輸出觀測資料，對系統狀態進行最優估計的演算法。由於觀測資料中包括系統中的噪聲和干擾的影響，所以最優估計也可看作是濾波過程。在線性系統的狀態空間表示基礎上，從輸出和輸入觀測資料求系統狀態的最優估計。這裡所說的系統狀態，是總結系統所有過去的輸入和擾動對系統的作用的最小引數的集合，知道了系統的狀態就能夠與未來的輸入與系統的擾動一起確定系統的整個行為。

　　每一個有外部變數的自迴歸移動平均系統或可用有理傳遞函式表示的系統都可以轉換成用狀態空間表示的系統

　　卡爾曼濾波是用來進行資料濾波用的，就是把含噪聲的資料進行處理之後得出相對真值。卡爾曼濾波也可進行系統辨識。卡爾曼濾波一種利用線性系統狀態方程，透過系統輸入輸出觀測資料，對系統狀態進行最優估計的演算法。由於觀測資料中包括系統中的噪聲和干擾的影響，所以最優估計也可看作是濾波過程。