kalman卡尔曼滤波
1.αβγ滤波可以变形为：x = w*xp + (w-c)*z ，可以看出他就是预测值和测量值的加权平均的思想。
2.αβγ滤波时卡尔曼滤波的特例。在线性、高斯噪声、时不变条件下两者是等价的。αβγ滤波卡尔曼增益固定的滤波。卡尔曼滤波的K值与输入测量值无关，只与Q、R相关，很快就会收敛为固定值。卡尔曼滤波实际上给出了αβγ滤波的数学解释，并给出了超参数的物理意义。
3.卡尔曼滤波可以通过最大似然估计来推导。即让观测值的概率最大，其实就是误差的均方根最小。通过给表达式求导，让导数为零。化简后变成卡尔曼滤波的形式。
扩展卡尔曼滤波
3.实际问题时预测函数和测量函数可能不是线性的。这时的算法叫做扩展卡尔曼滤波。将非线性函数泰勒展开： 
忽略高此项： 
2.可以整理成线性卡尔曼的形式，只是多了一个常数项。 
将常量移到左边，可以继续用卡尔曼的求解公式。
此时的H叫做雅可比矩阵。其行对应对每个状态维的偏导，行对应到其输出的观测量。
4.而扩展卡尔曼的H（雅可比矩阵）只用来计算K（卡尔曼增益）。测量函数h是已知函数，根本不需要线性近似。
