“简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm（最优化自回归数据处理算法）”。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。”

上文是从网上引用的别人的评价，可以看出，在线性系统里面，用最通俗的讲法来说，该算法是最好的。OK，既然是最好的，那么，就值得尝试一下。

由于卡尔曼算法网上介绍的多是使用在MISO中（多输入多输出系统），复杂的矩阵变换对于单片机而言是复杂的，难以实现的，同时，也不是必须的。很多时候单片机处理的只是SISO系统（单输入单输出系统），就算是多MISO系统，也是可以转化成SISO系统来处理的，经过参考网上不少的文章，对该算法有了一个大概的了解后，加入了自己对该算法的理解，将该算法成功的应用到了SISO系统中。

卡尔曼滤波算法涉及以下几个变量，这里先给出约定名称：

1、卡尔曼增益：    KalmanGain             缩写KG

2、本次估计值：    EstimateValueNow       缩写EVN

3、上次估计值：    EstimateValuePre       缩写EVP

4、当前估计协方差：EstimateCovarianceNOW  缩写ECN

5、下次估计协方差：EstimateCovarianceNext 缩写ECX

6、测  量  值：    MeasureValue           缩写MV

7、当前测量协方差：MeasureCovarianceNow   缩写MCN

8、下次测量协方差：MeasureCovarianceNext  缩写MCX

9、估计变化比：    EstimateChangeRate     缩写ECR

首先，给出(公式1)…………

完整的PDF下载地址：