Kalman Process Visualizer

0. prior posterior

1. predict

2. innovation + gain

3. update

公式和模型说明

x⁻ₖ = F xₖ₋₁ P⁻ₖ = F Pₖ₋₁ Fᵀ + Q

yₖ = zₖ - Hx⁻ₖ Sₖ = H P⁻ₖ Hᵀ + R

Kₖ = P⁻ₖ Hᵀ Sₖ⁻¹

xₖ = x⁻ₖ + Kₖyₖ Pₖ = (I-KH)P⁻ₖ(I-KH)ᵀ + KRKᵀ

模型	状态	测量输入	用途
1D KF	[x, v]	position	最容易看懂预测、增益和更新
2D CV-KF	[x, y, vx, vy]	x, y	接近常见目标追踪
EKF	[x, y, vx, vy]	range, bearing	展示非线性观测和 Jacobian
UKF	[x, y, vx, vy]	range, bearing	展示 sigma points 不用手写 Jacobian

动态过程画布