2.2.3.2 状态同步算法（卡尔曼滤波、粒子滤波）

文档摘要

2.2.3.2 状态同步算法（卡尔曼滤波、粒子滤波） 2.2.3.2 状态同步算法（卡尔曼滤波、粒子滤波）：从“发散”到“收敛”——一次卡尔曼滤波协方差矩阵调优的实战复盘在分布式系统、自动驾驶、机器人导航乃至工业物联网中，状态同步是维系系统感知一致性的命脉。而卡尔曼滤波（Kalman Filter, KF）作为最经典的线性高斯状态估计算法，因其递推结构简洁、计算效率高，常被作为状态同步的核心引擎。然而，在实际部署中，工程师们常常遭遇一个令人头疼的问题：滤波器发散（Filter Divergence）——估计值迅速偏离真实轨迹，甚至完全失控。这并非理论缺陷，而是工程实现中对协方差矩阵配置不当所致。