卡尔曼滤波器的理解与实现本文是《离散卡尔曼滤波算法》的简明教程，从算法思想、实现过程、理论推导、程序实现四个方面进行阐述和分析。卡尔曼滤波的本质是一种滤波方法？卡尔曼滤波器有许多不同的实现方式，最初由卡尔曼提出的形式现在一般称为简单卡尔曼滤波器，具有连续时间的线性最优滤波问题是由Kalman等人在1961年解决的，通常称为连续时间Kalman滤波或Kalman Busey滤波。
卡尔曼滤波器是一种“最优递归数据处理算法”。对于解决大多数问题，他是最好的，最高效的，甚至是最有用的。它已经被广泛应用了30多年，包括机器人导航、控制、传感器数据融合甚至军用雷达系统和导弹跟踪。近年来，它被应用到计算机图像处理中，如头脸识别、图像分割、图像边缘检测等。
如果对被测对象有一个滤波外推预测结果X，已知这个预测结果的误差方差为A，则得到一个新的测量结果Y，根据测试手段和技术已知测量结果的误差方差为B。那么x的置信度为b/(a b)，y的置信度为a/(a b)，新的滤波结果为xf(bx ay)/(a b)。
2、卡尔曼-布什滤波的方程描述Principle线性离散随机系统由以下离散时间动力学方程和观测方程描述:其中x和z分别是系统的状态向量和观测向量。