卡尔曼滤波中的dt

Question

我是卡尔曼滤波器的傀儡。我的问题是关于卡尔曼滤波预测步骤中的dt。在使用协方差矩阵和一些不确定性信息初始化卡尔曼滤波器后，预测函数通常将dt作为输入，但filterpy实现不会将dt作为输入。卡尔曼滤波器在预测步骤中是否必须采用dt，这让我感到困惑。下面是filterpy的实现：https://github.com/rlabbe/filterpy/blob/master/filterpy/kalman/kalman_filter.py。此外，我不确定用户是否会在调用预测函数之前更新转换矩阵。

Answer 1

F是用于离散转换矩阵的符号，因此它已经包含dt，并且在您提供的链接中给出的示例代码中可以看到。如果dt不是常量，你的假设是正确的，那么在调用predict之前应该重新计算F(在这个特殊的例子中)。有时dt可以是常数，如果模型是线性的，F只能在滤波器初始化阶段计算一次