卡尔曼滤波

卡尔曼滤波的解决的本质问题是，在线性高斯模型中，我们不完全相信传感器的测量值，而是认为测量值存在误差。 引入一个预估值，综合两者得到更准确的值。

首先，在学习卡尔曼滤波之前，为了更好的推导卡尔曼模型，我们先对曾经学过的数学知识做复习。

一、知识复习

1、期望

　　样本遵循一定分布，例如打靶，落点肯定分布在靶心周围， 又例如测量一个长度，长度肯定在标准尺寸附近浮动。 这个值就是期望

　　对于期望的计算，其实很简单，就是计算样本的平均值。

 

2、方差

　　方差是统计学和概率论中反应一组数据的离散程度的度量。

　　　

 

 　　

   样本方差：