待验证50% 置信事实精确时间

卡尔曼增益 K = PH^T(HPH^T + R)^{-1}，当R趋近零时K趋近H^{-1}，当P趋近零时K趋近零

1

来源数

50%

置信度

长期有效

时效性

2026/7/14

首次发现

来源

多传感器卡尔曼融合实战：Shahed无人机追踪系统完整解析

相关事实

待验证卡尔曼增益公式为 K = PH^T(HPH^T + R)^{-1}，在线性高斯条件下达到理论最优估计82% 相似部分验证KL散度具有非对称性，即D(p,q) ≠ D(q,p)63% 相似待验证KL散度是非对称的，P相对于Q的KL散度与Q相对于P的KL散度不相等63% 相似待验证阶数P的Runge-Kutta方法需要至少P次函数评估，单步误差为h^(P+1)62% 相似待验证乘以魔数加移位的除法优化技术源自《Hacker's Delight》（Henry S. Warren Jr. 著），原理为n/d≈(n×M)>>k，其中M≈2^k/d59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/507283

API

curl https://kongchang.com/api/v1/knowledge/claims/507283

MCP

get_claim(id=507283)