粗略地说，它们是系统中的噪声量。过程噪音是过程中的噪音——如果系统是在州际公路上行驶的汽车巡航控制，由于颠簸、山丘、风等，速度会有轻微的变化。Q 说明有多少方差和协方差。Q 的对角线包含每个状态变量的方差，非对角线包含不同状态变量之间的协方差（例如，x 中的速度与 y 中的位置）。

R 包含测量的方差。在上面的例子中，我们的测量可能只是来自速度计的速度。假设它的读数标准偏差为 0.2 mph。那么R=[0.2^2]=[0.04]。平方，因为方差是标准差的平方。

Q 在状态空间中，R在测量空间中。在上面的例子中，我们的状态可能只是位置$[x, y]^T$, 测量空间是速度$[v]$. 这是有问题的，因为这不是 x 和 y 的速度 - 您需要转换航向。卡尔曼滤波器矩阵 H 用于进行该转换，在非线性系统中，您往往必须以某种方式对其进行线性化。

无耻的插件：我关于卡尔曼滤波器的免费书非常详细地介绍了这一点：https ://github.com/rlabbe/Kalman-and-Bayesian-Filters-in-Python