关于 dt（时间演变）的卡尔曼滤波器状态方程
Kalman filter state equation with respect to dt (evolution of time)
我正在根据一篇论文实现卡尔曼滤波器。 state-space向量有6个变量，因为状态变量随时间的变化而变化，论文还给出了变量随时间(dt)的变化的微分方程。
我的问题是，在 python 中实现这个概念时，我应该如何使用 dt 的微分方程。我想知道简单地将方程与 dt 相乘，但我认为这不是解，因为它是一个微分方程。请在这方面指导我。另外，我想问一下，由于这些方程将估计新的状态，所以它们应该被添加到更新步骤中吗？谢谢！
在 scipy.integrate - scipy.integrate.odeint() and scipy.integrate.solve_ivp() 中，有两种不同的有用函数可用于求解 ODE 以解决初值问题。我对你的系统了解不够，无法回答你的最后一个问题。
我正在根据一篇论文实现卡尔曼滤波器。 state-space向量有6个变量，因为状态变量随时间的变化而变化，论文还给出了变量随时间(dt)的变化的微分方程。 我的问题是，在 python 中实现这个概念时，我应该如何使用 dt 的微分方程。我想知道简单地将方程与 dt 相乘，但我认为这不是解，因为它是一个微分方程。请在这方面指导我。另外，我想问一下，由于这些方程将估计新的状态，所以它们应该被添加到更新步骤中吗？谢谢！
在 scipy.integrate - scipy.integrate.odeint() and scipy.integrate.solve_ivp() 中，有两种不同的有用函数可用于求解 ODE 以解决初值问题。我对你的系统了解不够，无法回答你的最后一个问题。