效果看到后你就知道卡尔曼滤波是不是你想要的了！当然我对卡尔曼仅仅是简单的运用，还没有深入，听某大神说，还有更nb的卡尔曼~如果有幸接触我也会帖出来的！
好废话不多说了------卡尔曼单系统，处理一个数据的时候、无控制量，经过一些列的简化公式之后（我们不需要理解为啥是这些公式，因为我们的目的是使用它，除非你是搞科研的，当然搞科研的就用不上看我这篇教程了。）：
核心代码：（在看这篇教程的时候最好带上一篇有卡尔曼公式的文档）
m_xMid=m_xLast; //将上一次的系统最优赋值给一个中间变量
m_xNow=m_xMid+m_kg*(nMersure-m_xMid); //通过计算得到这次的系统最优 nMersure为系统采样
m_pNow=(1-m_kg)*m_pMid; //计算当前的 covariance值
m_xLast=m_xNow; //更新系统最优
m_pLast=m_pNow; //更新 covariance值好了，这就完了！不要惊讶，简单的运用就这么多了，卡尔曼这样就入门了。一个好的算法，核心代码无非就是几个数学公式，不能太复杂，这样效率低了不能满足一些处理的要求，就被淘汰了~
初始化的时候注意：刚开始我用的波动sin（就是随便产生了一个随机数），初始化第一次系统的时候，赋值为0，结果怎么都是错的~结果单步跟踪发现公式有个地方为零的话，数据会溢出，应该是产生了除以0的情况，所以初始化的时候，不应该给系统赋值为0；也就是两个不能赋值为零，一个是第一次的系统采样（在公式中第一次采样扮演的是 m_xLast 上一次的值），第二个是白噪声m_Q；
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
