kalman滤波原理

卡尔曼(kalman)滤波 卡尔曼滤波是一种高效率的递归滤波器(自回归滤波器), 它能够从一系列的不完全包含噪声的测量(英文: measurement)中，估计动态系统的状态。 应用实例 卡尔曼滤波的一个典型实例是从一组有限的，对物体位置的， 包含噪声的观察序列预测出物体的坐标位置及速度 在很多工程应用(雷达, 计算机视觉)中都可以找到它的身影 同时， 卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题 比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置,速度, 加速度的测量值往往在任何时候都有噪声 卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响, 得到一个关于目标位置的好的估计。 这个估计可以是对当前目标位置的估计(滤波), 也可以是对于将来位置的估计(预测)， 也可以是对过去位置的估计(插值或平滑) 命名 这种滤波方法以它的发明者鲁道夫E卡尔曼（Rudolf E Kalman）命名 虽然Peter Swerling实际上更早提出了一种类似的算法 斯坦利施密特(Stanley Schmidt)首次实现了卡尔曼滤波器 卡尔曼在NASA埃姆斯研究中心访问时, 发现他的方法对于解决阿波罗计划的轨道预测很有用, 后来阿波罗飞船的导航电脑使用了这种滤波器 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表 目前,卡尔曼滤波已经有很多不同的实现 卡尔曼最初提出的形式现在一般称为简单卡尔曼滤波器除此以外, 还有施密特扩展滤波器,信息滤波器以及很多Bierman, Thornton 开发的平方根滤波器的变种也行最常见的卡尔曼滤波器是锁相环， 它在收音机,计算机和几乎任何视频或通讯设备中广泛存在

卡尔曼滤波器是一种由卡尔曼（Kalman）提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述，这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差这种滤波方法以它的发明者鲁道夫E卡尔曼（Rudolph E Kalman）命名，但是根据文献可知实际上Peter Swerling在更早之前就提出了一种类似的算法。 斯坦利施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑便使用了这种滤波器。 关于这种滤波器的论文由Swerling (1958)、Kalman (1960)与 Kalman and Bucy (1961)发表。 目前,卡尔曼滤波已经有很多不同的实现卡尔曼最初提出的形式现在一般称为简单卡尔曼滤波器。除此以外，还有施密特扩展滤波器、信息滤波器以及很多Bierman, Thornton 开发的平方根滤波器的变种。也许最常见的卡尔曼滤波器是锁相环，它在收音机、计算机和几乎任何视频或通讯设备中广泛存在。 应用实例 卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。在很多工程应用(如雷达、计算机视觉)中都可以找到它的身影。同时，卡尔曼滤波也是控制理论以及控制系统工程中的一个重要课题。 例如,对于雷达来说，人们感兴趣的是其能够跟踪目标。但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑)。

REST -- REpresentational State Transfer 直接翻译：表现层状态转移。这个中文直译经常出现在很多博客中。尼玛谁听得懂“表现层状态转移”？这是人话吗？我自己也困惑了很久，查询了很多资料，花了差不多一年有个还算清晰的理解。分享如下：
Ivony 老师的一句话概括很精辟：
URL定位资源，用>