在统计学和控制理论中,卡尔曼滤波(Kalman filtering),也称为线性二次估计(LQE),是一种算法,卡尔曼滤波会根据各测量量在不同时间下的值,考虑各时间下的联合分布,产生比仅基于单个测量值更精确的未知变量的估计。过滤器以鲁道夫·卡尔曼命名,他是该理论的主要开发者之一。接下来和您详细说一下卡尔曼滤波和最小二乘法的区别

卡尔曼滤波和最小二乘法的区别

最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

卡尔曼滤波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。

卡尔曼滤波和最小二乘法都是基于误差的协方差,卡尔曼滤波是最优情况的最小二乘法。

卡尔曼滤波和最小二乘法的区别