本文的符号体系与wikipedia词条一致
为估计$k$时刻的系统状态$x_{k|k}$,需要融合
在状态更新误差和观测误差均服从$N(0,\sigma^2)$的假设下,二者均为$x_{k|k}$的无偏估计,故按误差方差大小进行加权平均,应能得到最优的无偏估计:
令 $ K_k = K’_k H^{-1} $,得
来自wikipedia:kalman_filter#derivations,这里只做个摘要
最小化各维度的方差和
即是使
故[注]
注:
且协方差矩阵 $ P = P^T, R = R^T $,故
考虑一个特殊的Kalman系统,其状态、控制量及观察值只有一维,且假定其系数均为1:
其Kalman方程为:
其更新方程可化简为
若Q, R均是定值,则稳定后$\hat{x}_{k|k-1}$和$z_k$的系数亦是定值,此时Kalman滤波便与一个加权更新器无异。
另一方面,从这个例子可以看出Kalman滤波器按方差反比融合两个信息源的特点。有更多信息源时亦可如此融合。
注: $ \frac{B}{A+B} = \frac{\frac{1}{A}}{\frac{1}{A}+\frac{1}{B}} $