误差卡尔曼滤波

误差卡尔曼滤波是什么
卡尔曼滤波是一种使用条件最小均方误差（MSE）最优估计方法的一种重要的时间序列模型。

它可以用于预测和模拟动态系统，通常被称为预测和决策中介技术。

它可以结合离散或连续时间序列数据，并使用多个可能的过程模型来传递信息，以将观测数据与模型数据对比，从而对系统的未来状态进行优化预测。

最基本的卡尔曼滤波方法包括具有测量误差和过程误差的普通卡尔曼滤波（KP），最优卡尔曼滤波（KPF），模型平均最优卡尔曼滤波（MADF）和非线性最优卡尔曼滤波。

KF和KPF同时应用测量误差和过程误差概念。

它们对两个误差种类施加不同的假设，可用于克服一些非线性因素。

MADF和非线性KF使用较粗略的过程误差假设，并根据非线性度选择合适的非线性模型，而不是施加假设。