RLS算法到卡尔曼滤波 II

接着上一篇文章：https://blog.csdn.net/ZLH_HHHH/article/details/90515377

卡尔曼滤波在原本的$RLS$基础上增加了一个线性系统。
卡尔曼滤波应用于下面的系统：
$$x(k)=F(k-1)x(k-1)+G(k-1)u(k-1)+w(k-1)\text{\hspace{1em}(1)}$$
$$y(k)=h(k)x(k)+v(k)\text{\hspace{1em}(2)}$$

其中$w,v$是零均值,不相关白噪音。即协方差为$0$.
这里，$x$ 就是当前系统的状态，比如速度，位置，温度，等等。
$(1)$式可以理解为，上一个时刻，系统的一个输入，对系统产生的影响。系统的状态改变。比如突然有外力做工，从新更新状态。但是这个更新是有误差的。
$(2)$式子，可以认为是测量，$h(k)$对应的在$x(k)$状态下的输出$y(k)$被我们测量出来，有一个不可观测的随机误差$v(k)$，$h,y$都是已知的。

经过$(1)$的计算，对$x$状态进行了一次转移。并被$(2)$式纠正。

动态的系统，之前的$RLS$已经不再适用,$x(k-1)$的状态在不停改变的。或者说需要修改$RLS$算法。

$RLS$算法关键的一点就是：
$$P(k)=(H^T(k)H(k){)}^{-}=E((\hat{x}($$