本文主要关注卡尔曼滤波的流程和 5 个公式。

卡尔曼滤波的主要思想：首先，根据时间步 t-1 的状态空间，通过状态转移矩阵和控制矩阵(控制量)，预测 t 时间步时的状态空间。由于 t-1 时间步的状态空间本身就不是准确的，含有噪声，且状态转移的过程也引入噪声，因此预测得到的 t 时间步的状态空间是不准确的。这时，我们在 t 时间步进行实际的测量，使用得到的测量结果去修正预测得到的状态空间。其实就是对 预测的结果 和 测量的结果 根据其不准确度(用协方差矩阵表示)来计算权重(即卡尔曼增益)，对两个结果进行 加权平均，并依此得到 t 时间步最优的结果。

虽然叫 kalman 滤波器，但个人觉得也可以叫状态观测器，因为就是根据测量值的协方差矩阵和预测值的协方差矩阵权衡出一个更为准确的系统当前状态嘛。(TAO: 就是根据这两个协方差矩阵算出卡尔曼增益，充当加权的权重。)如果从噪声的角度上理解，最终也确实起到了一个降噪的效果，叫滤波器也合适。