測量誤差：測量值與真實值之間的差值，測量誤差構成測量不確定度： ，表示為字母： r

估計誤差：估計值與真實值之間的差值，估計誤差構成估計不確定度： ，表示為字母： p

過程噪音：過程噪音是因外部環境引起的系統不確定性產生的誤差，表示為字母： q

經典卡爾曼濾波算法的五大方程為：

狀態更新方程

系統動力方程

卡爾曼增益方程

協方差更新方程

協方差外推方程

狀態更新方程的意義：可以不斷更新系統中涉及估計的每個變量，從而逼近變量真實值；系統中涉及的每個變量的最優化，可以使得整個系統接近最優化，最優化到符合構建的系統動力函數。

系統動力方程：也叫做狀態外推方程，通過構建當前狀態與下一狀態之間的關系函數來進行隨著時間變化的狀態推理。系統動力方程本身是由我們已知的變量去推斷未知的/隱藏的變量，為此建立的變量之間的關系/函數。

卡爾曼增益方程：在推導狀態更新方程時，我們將當前本來含有當前狀態、第n次測量值的關系式化簡成了關于當前狀態、預測狀態、卡爾曼增益、第n次測量值的關系式。由于在通常情況下卡爾曼增益會隨著每次迭代發生變化，因此，我們需要更新卡爾曼增益，更新卡爾曼增益就需要清楚的知道，是哪些量組成了卡爾曼增益方程，在前面的學習中我們知道，前一次的估計不確定度與當前的測量不確定度組成了卡爾曼增益方程，并且他們之間有一些關系。

估計不確定度更新方程：因為隨著每次測量值的不同，卡爾曼增益的不同，我們知道估計不確定度也需要隨著每次迭代進行更新。

估計不確定度外推方程：估計不確定度不僅要用在卡爾曼增益方程中，也需要用在動力系統方程中，隨著估計不確定度外推方程預測下一次估計不確定度。

整個卡爾曼濾波算法的流程如下圖所示：

卡爾曼濾波適用于線性系統，對于非線性系統而言，需要采用擴展卡爾曼濾波，其本質上是卡爾曼濾波算法的一種增廣形式，本篇不作贅述。

多旋翼飛行器導航系統設計方案

本篇提供一種切實可行的組合導航系統設計方案，如下圖所示：