A veces puedes responder a una pregunta de filtrado de Kalman usando mucha lógica y muy poca matemática. Esto es bueno, porque generalmente el filtrado de Kalman es este gran blob desagradable de álgebra lineal y estadísticas todas juntas.
Tome un sistema 1-D
$$ x_n = x_ {n-1} + w_n, y_n = -0.01 x_n + v_n $$
En el momento \ $ n = 0 \ $ , deje la "covarianza" de \ $ x_0 \ $ be \ $ P = \ infty \ $ , y deje que nuestro estimado de corrección previa de \ $ x_0 = 0 \ $ . Lógicamente, sabemos absolutamente nada sobre \ $ x \ $ hasta que medimos \ $ y_0 \ $ . En ese momento, nuestro lógico , mejor estimación de \ $ x_0 \ $ es \ $ - 100 y_0 \ $ . Ahora, si aplicamos ingeniería inversa a esa declaración, encontramos que \ $ K_0 = -100 \ $ para este problema, en este momento.
Usted puede hacer las matemáticas en esto, formalmente. Probablemente deba tomarlo en el límite como \ $ P \ to \ infty \ $ para hacer que la matemática funcione, pero funcionará. Créeme. Soy ingeniero; Sé estas cosas.