我已经阅读了卡尔曼滤波器的描述，但我不清楚它在实践中是如何结合在一起的。它似乎主要针对机械或电气系统，因为它需要线性状态转换，并且出于同样的原因（它需要线性状态转换），它对于异常检测或定位状态转换没有用，对吗？在实践中，人们通常如何找到预期提前知道的组件以使用卡尔曼滤波器。我已经列出了组件，如果我对需要提前知道的内容的理解不正确，请纠正我。
我相信这些不需要“提前”知道：
- 过程噪音
- 观察噪声
- 实际状态（这是卡尔曼滤波器试图估计的）
我相信这些需要“提前”知道才能使用卡尔曼滤波器：
- 我们应用的线性状态转移模型（我们需要提前知道这一点，因此我们的状态必须受已知定律的支配，即，当从一种状态到另一种状态的转换被充分理解并且具有一定的噪声时，卡尔曼滤波器可用于校正测量 - 它是不是异常查找器或查找随机状态变化的工具）
- 控制向量
- 应用于控制向量的控制输入模型（我们需要提前知道这一点，所以要使用卡尔曼滤波器，我们还需要提前知道我们的控制值如何影响模型，最多是一些高斯噪声，并且效果需要是线性的）
- 协方差过程噪声（在维基百科文章中似乎与时间有关，即取决于时间) - 看来我们需要提前知道这一点，随着时间的推移，我认为在实践中它被认为是恒定的？
- （线性）观测模型
- 协方差（在维基百科文章中似乎也取决于时间） - 类似的问题
PS 是的，我知道其中很多都取决于时间，我只是删除了所有的下标混乱。随意想象小写字母如果您愿意，可以从每个变量名称的右侧和下方。