问题：考虑两辆汽车（被视为点对象），名为领导者和跟随者，它们都配备了相互通信的 GPS 设备。F的目的是尽可能地跟随，因为后者在平面上任意移动。假设所有 GPS 设备都有一个圆形误差概率 (CEP) 误差分布，具有规定的平均值和规定的协方差矩阵。
背景：这是我在实验工作中遇到的实际问题，绝不是作业。我知道诸如卡尔曼滤波之类的工具可以在面对白噪声时进行最佳状态估计，但不确定如何将它们扩展到这种情况。我也想知道相关的研究文献。
我同意所提出的问题是不完整的。我也对提到 CEP 感到困惑（它是以包含 50% 分布的均值为中心的圆。知道均值和协方差矩阵就足以表征二元正态分布。你假设 GPS 的二元正态分布吗？精度？也许是圆形法线，因为 x 和 y 坐标是独立的。当然，如果您知道二元法线的均值和协方差，那么 CEP 就会确定。在 1980 年代曾在航空航天工业工作过，基于如何研究 GPS 用户设备的精度许多卫星可以接收到信号我知道 CEP 是一个常用的参数。追随者使用的机制是什么？也许他从他的 GPS 设备向点估计移动？在这种情况下，他将向 GPS 估计的领导者位置中心移动。他可能会沿着直线走，直到他看到位置更新，然后会朝着那个更新的位置移动。以这种方式，他将遵循一条折线，该折线的方向上的更改次数由更新频率决定。
恕我直言，问题定义不完整。答案将取决于 L 和 F 之间的通信频率以及行进速度。如果您可以非常频繁地计算 GPS 位置，如果读数彼此独立并且通信频率也很高，那么两辆车可以通过几乎相同的路径。此外，如果车辆行驶非常缓慢，则车辆之间将有足够的通信以避免路径上的差异。
它还取决于过多的其他参数、路径的偏斜度等。所以这就是我要做的方式。我会尽可能准确地模拟场景并使用抽样来估计差异。
既然您说这是一个现实世界的问题，您还应该考虑只有指定数量的路径（也称为“道路”）这一事实，这将进一步减少差异。
这是一个不完整的问题。对于第一个问题，控制策略或算法是必要的。对于第二个问题，最优估计将取决于是否存在全局知识（F 知道 L 的观察），更关键的是，最优性的度量。最优性指标可能强调能量消耗、与领导者轨迹的偏差等。
第一步，将估计问题与控制问题分开，然后您可以采用同时方法。