卡尔曼滤波的原理是使用观测值来动态的生成统计预测参数的。

　　X(k)=A X(k-1)+B U(k)+W(k) .(1)

　　Z(k)=H X(k)+V(k) .(2)

　　预测是通过(1)式中的 W(K) 和(2)式中的V(k)的噪声的统计“标准差”生成的.有说是“协方差”可能和后面三个跌代式子混了。

　　X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1)) ……… (3)

　　Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R) ……… (4)

　　P(k|k)=（I-Kg(k) H）P(k|k-1) ……… (5)

　　(3)(4)(5)补充计算(1)(2)完成跌代过程.H是“马尔科夫”链中的预测矩阵。

如何确定卡尔曼滤波的观测矩阵 扩展

确定卡尔曼滤波的观测矩阵需要考虑系统的测量模型和状态变量之间的关系。观测矩阵将状态向量映射到测量空间。通常，观测矩阵是一个线性矩阵，可以通过物理模型或实验数据来确定。如果系统是非线性的，可以使用雅可比矩阵线性化观测模型。

观测矩阵的选择应使得状态向量的测量与实际测量尽可能接近，同时满足卡尔曼滤波的可观测性和稳定性要求。