卡尔曼滤波原理
卡尔曼滤波原理是指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，卡尔曼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，卡尔曼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碧返滚较好的应用。卡尔曼滤波不要求信号和噪声都是平稳过程的假设条件。
对于每个时刻的系统扰动和观测误差（即噪声），只要对它们的统计性质作某些适当的假定，通过对含有噪声的观测信号进行处理，就能在平均的意义上，求得误差为最小的真实信号的估计值。
因此，自从卡悔余尔曼滤波理论问世以来，在通信系统、电力系统、航空航天世蚂、环境污染控制、工业控制、雷达信号处理等许多部门都得到了应用，取得了许多成功应用的成果。
小波分析和卡尔曼滤波的区别和联系
区别，
小波分析：时域分解到时频域后通过降低高频‘噪声’存指已设块信号进行降噪，还原之后可以预测
卡尔曼滤波：需要知道状态模型及转移规则，通过预测值与观测值差距进行过滤噪声
如何理解卡尔曼滤波中的观测方程
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。
