我想知道是否有人可以给我一个指向真正快速/高效的卡尔曼滤波器实现的指针，可能是在Python（或Cython，但如果速度更快，C / C ++也可以）。我有很多学习纪元（可能数亿个）和很多输入（线索，例如，数万到数十万）的问题。因此，更新协方差矩阵将是一个大问题。我读了一些有关Ensemble KF的文章，但是，到目前为止，我真的很想坚持使用标准KF。 [我开始阅读和测试它，我想尝试一下我的真实数据。 ]
最佳答案
协方差矩阵的大小取决于状态的大小。另一个问题与模型上的假设有关，并且这是否可以带来重大的优化（显然，优化意味着重新设计“标准KF”）。
从我的观点来看，您的情况大致取决于值（number_of_states²* number_of_iterations）/（processing_power）。
关于python - 快速卡尔曼滤波器，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33165668/