卡爾曼濾波法

卡爾曼濾波算法(KF)是序貫數據同化的一種，是由Kalman針對隨機過程狀態估計提出的。KF的基本思想是利用前一時刻的狀態估計值和當前時刻的觀測值來獲得動態系統當前時刻狀態變數的最優估計，包括預報和分析兩個步驟。

在預報階段，根據前一時刻的模式狀態生成當前時刻模式狀態的預報值。在分析階段，引入觀測數據，利用最小方差估計方法對模式狀態進行重新分析。隨著模式狀態預報的持續進行和新的觀測數據的陸續輸入，這個過程不斷向前推進。即模式隨著時間向前積分進行狀態預報，當出現觀測數據時,根據模式預報誤差的協方差矩陣(已知)和觀測誤差的協方差矩陣(已知)之間相對大小導出狀態的最小方差估計。