# 卡尔曼滤波填充率估计几次后不再收敛

> 原文链接：https://robotics.hellobike.com/pitfalls/2015-10-17-robotics-se-2826
> 频道：pitfalls | 更新日期：2015-10-17 | 标签：auto, stackexchange, kalman-filter
> 核心摘要：填充率估计噪声不再降低是由过程方差矩阵 Q 的非零项限制收敛导致。

# 卡尔曼滤波填充率估计几次后不再收敛

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[How much should I expect a Kalman filter to converge?](https://robotics.stackexchange.com/questions/2826/how-much-should-i-expect-a-kalman-filter-to-converge)（Robotics Stack Exchange #2826）

**状态**：已解决

## 问题

实现水箱模型的卡尔曼滤波示例时，只测量液位并估计恒定填充率；前几次迭代后填充率噪声不再减少，`Kalman gain` 和状态方差矩阵看起来保持不变。

## 环境

状态估计 / EKF 滤波器

## 解决办法

1. 检查过程方差矩阵 `Q`，它表示模型本身的不完美程度。
2. 如果认为模型是完美的，将 `Q` 设为全零，滤波器会继续相信模型。
3. 如果 `Q` 含非零项，滤波器会降低对模型的信任、增加对测量的权重，因此会限制继续收敛，这是预期现象。

原问题作者：Rocketmagnet；采纳答案作者：Rocketmagnet。原内容依 CC BY-SA 4.0 授权，本页摘要同样依 CC BY-SA 4.0 授权。
:::

## 原始参考来源 (Sources)

- [Robotics Stack Exchange #2826：How much should I expect a Kalman filter to converge?](https://robotics.stackexchange.com/questions/2826/how-much-should-i-expect-a-kalman-filter-to-converge)