我使用的是filterpy.kerman库的无迹卡尔曼滤波器类。即使当我用都等于零的非对角线项初始化过程噪声Q和初始协方差P时，我仍然得到具有非零非对角线项的P和S，有没有办法确保P和S都具有都等于0的非对角线条目？
我怀疑你可能会在其他地方得到更好的答案，尽管我不确定在哪里。
只有在状态实际上是没有动力学的独立一维状态的集合(即对时间t'的状态的预测是时间t的状态(并且没有涉及多个状态元素的测量的情况下，才能确保对角状态误差协方差矩阵。
卡尔曼滤波器的要点是它估计状态误差之间的相关性。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium