卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。 数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。

在理解卡尔曼之前我们先讲个故事，比如现在我们要测一个房间的温度，那么我们需要一个温度计。假设市场上买两种温度计，一种测得温度非常准没有误差。另一种只能大概测量。当然测得准的温度计，比较贵，另外一个比较便宜。如果你是土豪那么你可以买比较贵的就是没有误差的，那么你就跟卡尔曼没有故事了。 现在假设你是一个中等屌丝，你可以卖得起两个破的温度计，现在两个温度计测量得到两个值，我们假设他一个是23度，一个是25度，那么实际应该是多少度呢。如果你对他们求平均（即权值是0.5,0.5），你会得到24度左右。再说的明确一点呢24±1度，应为这个是你猜的，所以你不能肯定，那么这个1度就是你的不确定度。可能你是天蝎座的，比较偏心，不想然两个温度计都雨露均沾，我们假设你比较相信前一个温度计，不相信另一个，这里我们取权值为（0.7，0.3），那么你得到的温度值就是0.7*23+0.3*25=23.6度，那么不确定度可能是1（感觉自己偏心的有道理，猜的比较准），可能是6度（这个6是随便写的，猜的不准误差比较大）。根据上面这个问题我们发现 1.不确定我们猜的准不准，换句话来说就是不确定度不知道多少 2.权值该怎么取才合理省略1W字。。。。。。。 更多请查看：https://blog.csdn.net/CBQ5789789/article/details/78858160

---------------------------------------------

最近做的项目用到iPhone收集的蓝牙信号强度，即RSSI值。发现果然如文献中所说，即使手机保持静止，检测到的来自同一蓝牙信标的信号强度也会不停地上下波动，且数据（滤除粗大误差后）呈高斯分布。许多文献中也提到，对付这样的噪声可以用卡尔曼滤波器。同样地，做自平衡车、四旋翼等用到的陀螺仪、加速度数据也常常用到卡尔曼滤波

省略1W字。。。。。。。 更多请查看：https://www.jianshu.com/p/c512a2b82907

---------------------------------------------

https://blog.csdn.net/von_kent/article/details/76610952

---------------------------------------------

我这里摘录了两种不同写法的卡尔曼的实现代码。（实现都相同，写法不同。结果不同，因为p的取值不同）

运行结果为：