线性卡尔曼滤波五个方程的含义
哪些公司问过
答案要点
- 状态预测:x⁻ = A·x + B·u,按运动模型推出先验状态
- 协方差预测:P⁻ = A·P·Aᵀ + Q,不确定性经模型传播并叠加过程噪声
- 卡尔曼增益:K = P⁻·Hᵀ·(H·P⁻·Hᵀ + R)⁻¹,权衡预测不确定性与测量噪声
- 状态更新:x = x⁻ + K·(z − H·x⁻),用新息修正;协方差更新:P = (I − K·H)·P⁻
- 高斯视角:先验与测量似然两个高斯相乘归一化仍为高斯,线性高斯假设下为最优估计
易错点
- 只背公式,说不出 Q、R、K 的物理含义
- 以为增益 K 是需要手工设定的常数
- 忽略卡尔曼滤波的线性与高斯噪声假设
面试官常见追问
- 能从高斯分布乘积的角度解释吗?
- Q 和 R 调大调小会怎样?
- 非线性系统怎么办?
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。