【卡尔曼滤波理论推导与实践】【前言】【1/5 前言】

本系列文章对读者的知识储备要求：

• 知道什么是正态分布、方差、协方差、期望
• 简单线性代数基础（会额外涉及到一个矩阵的求导计算，不需要了解矩阵论，求导公式会给出）
• 知道什么是求导、微分
• 简单C语言基础

本系列文章涉及内容：

• 卡尔曼滤波公式从零开始充分完整的推导，仅涉及标准卡尔曼滤波。
• 用C语言在一维数据（随机生成的数据和电机速度）上实践卡尔曼滤波算法。

本系列文章参考来源：

• DR_CAN的 卡尔曼滤波器

滤波的目的：

滤波是在一串有先后顺序的观测值中尽量估计出接近真值的操作。估计出的值是最优估计值，每收到一个杂乱数据都算出一个最优估计值，即每轮次都有最优估计值。当然，真值永远也无法知道。

卡尔曼滤波核心思想：

用测量值修正系统模型值，得到当前轮次的最优估计值，再将该最优估计值当作下一轮的系统模型输入，继续进行下一轮的最优估计，如此迭代进行。这样，每轮次的最优估计值都算出来了。
现在看这个思想是符合自然逻辑的，用中文俗语说就是【走一步看一步】，卡尔曼提出来了并用数学语言进行描述，这就是人家的创新之处。