математика фильтра Калмана., как пересчитывать веса в ковариционной матрице Опции

[Serj78]

Требуется построить фильтр калмана для 2-х величин. это курс от ИНС и от GPS.
накачал некоторое количество информации, и понял, что подход Бесерского почему-то другой, нежели у буржуев ( в Навгеокоме статья, если надо, выложу.) у буржуев отсутствует формирующий фильтр, что по Бесекерскому есть модель нашего процесса. Пересчет весов вклада компонент вектора измерений как я понял, на каждом шаге вычисляется их дисперсий предыдущих оценок выходного вектора оценки состояния. мне пока не ясно КАК ИМЕННО МАТЕМАТИЧЕСКИ вычислять дисперсии и веса. если кто занимался этим, помогите, пожалуйста.

[NickNich]

Не читайте попсовых статей - только мозги себе запудрите. Потом будет трудно их прочищать, читая объективную литературу. Для начала - погуглите книжку "Global Positioning Systems-Inertial Navigation and Integration". Потом погуглите статьи по ключевым словам INS GPS Integration. Можно также погуглить Kalman filtering.

Структура фильтра следущая:
1. в момент времени i вы имеете оценку вектора состояния x(i;i), полученную по i предыдущим измерениям и оценку ковариационной матрицы P(i;i) этого вектора.

2. В течении временного интервала (i, i+1) вычисляется предсказаное значение x(i+1;i) вектора состояния для будущего момента времени i+1: x(i+1;i) = Ax(i;i)+Bu и ковариационная матрица предсказанного вектора P(i+1;i) = A'P(i;i) A+..ков.матрица шума (см. нормальные статьи).

3. Вычисляете коэффициент усиления калменовкого фильтра K(i+1).

4. В момент времени i+1 вы получаете очередное измерение y(i+1). C помошью этого измерения вычисляется уточнённая оценка x(i+1;i+1) вектора состояния:

x(i+1;i+1) = x(i+1;i) + K(i+1)[y(i+1) - H*x(i+1;i)]

5. Вычисляется оценка ковариационной матрицы P(i+1;i+1) уточненного вектора x(i+1;i+1) .

Оценки п.4. и п.5. являются окончательными. На следующем шаге повторяются п.1.-п.5., в качестве входных величин используются оценки, полученные в п.4. и п.5. предыдущего шага.