目录
卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波（KF、EKF、UKF）优缺点对比：
2.2.4.2 SIR滤波器 （重要性概率密度函数=状态转移概率，简化粒子权重计算）
前言
卡尔曼滤波（Kalman filtering）是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，Kalman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，Kalman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较好的应用。
在处理含有噪声或偏差的信号时，结合其他估计值或测量值，可以得到更准确的观测值。这种数据融合的方法是卡尔曼滤波的核心。
卡尔曼滤波的关键思想在于数据融合与迭代更新。通过结合先验信息和实际测量，系统可以更好地估计当前状态，并通过迭代更新逐步提高估计的精度。