从代码入手理解卡尔曼滤波器的原理之预测步骤（二）

    // 预测步骤
    void predict() {
   
        // 对于 1D，没有控制输入，因此预测就是使用上一个状态的值。
        // 但不确定度会增加预测噪声
        P += Q;
    }

在卡尔曼滤波器中，预测步骤是估算系统在下一个时间点的状态，同时更新状态估算的不确定性（方差）。让我们结合上述的室温测量例子来理解这个 predict() 函数。

首先，根据函数的内容，我们可以看到两个主要的操作：

1. 状态的预测:
   在这个简化的1D例子中，我们并没有明确地更新状态x，因为没有外部控制输入，也没有其他动态模型来描述温度如何随时间变化。因此，状态x的预测值就是上一个状态的值。如果你有关于温度变化的模型（例如知道有一个暖气