正如我在上一个问题中发现的那样，在哪里可以获得卡尔曼滤波器的转换矩阵？，我需要一个正确使用卡尔曼滤波器的模型。

在关于最小均方和卡尔曼滤波器之间的内在关系的论文中，有无模型卡尔曼滤波器 - 确定性状态的卡尔曼滤波器：

$$\begin{align} \textbf{g}(k) &= \textbf{P}(k)\textbf{x}(k) / (\textbf{x}^T(k)\textbf{P}(k)\textbf{x}(k) + r)\\ y(k) &= \textbf{x}^T(k)\textbf{w}(k)\\ e(k) &= d(k) - y(k)\\ \textbf{w}(k) &= \textbf{w}(k-1) + \textbf{g}(k)e(k)\\ \textbf{P}(k) &= \textbf{P}(k-1) - \textbf{g}(k)\textbf{x}(k)\textbf{P}(k-1) \end{align}$$

在哪里$\textbf{g}(k)$是增益向量$\textbf{P}(k)$是协方差矩阵，$e(k)$是错误，$\textbf{w}(k)$自适应滤波器权重和$\textbf{x}(k)$是输入（这里不是真正的状态），$d(k)$是目标，$y(k)$是滤波器输出。

不错的是$\textbf{x}^T(k)\textbf{P}(k)\textbf{x}(k)$是标量，因此不需要矩阵求逆。

• 与RLS过滤器相比，这有什么区别？
• 什么应该更好？
• 是具体情况还是我所缺少的有一些明显的区别？
• 在 RLS 或 NLMS 上使用此卡尔曼滤波器是否是个好主意？