卡尔曼滤波的原理
哪些公司问过
答案要点
- 作用:从含噪声的观测中估计系统状态(如位置、速度)
- 预测:由状态转移模型得到先验状态,协方差随过程噪声增大
- 更新:计算卡尔曼增益,权衡预测与观测,修正先验得到后验,降低不确定性
- 观测噪声越小增益越大(更信观测),预测越准增益越小(更信预测)
- 线性高斯系统最优;非线性用 EKF、UKF;应用:传感器融合、导航、目标跟踪
易错点
- 把卡尔曼滤波说成简单的平均
- 分不清预测与更新两步
- 忽略噪声参数 Q、R 对效果的影响
- 对强非线性系统直接用线性卡尔曼滤波
面试官常见追问
- 卡尔曼增益是什么意思?
- 过程噪声 Q 和观测噪声 R 怎么调?
- EKF 和 KF 有什么区别?
- 卡尔曼滤波和低通滤波比有什么优势?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。