例如 [Gk,Kf,Pf]=kalman(G,T1,D1)G为Gauss扰动的状态方程模型（A，[B,Q]，C，[D,D]），Q为系统的不确定性。可以看出该模型是双输入的。T1是系统不确定性协方差。D1是输出信号的测量噪声协方差。要求噪声信号为白噪声。
卡尔曼滤波是一种利用线性系统状态方程，并且最终系统输入了输出观测数据，获得最优解答的算法。
卡尔曼滤波的具体原理：
卡尔曼滤波是被斯坦利·施密特正式发现的，当时他在NASA埃姆斯研究中心的时候，发现自己的方法对于解决阿波罗计划的轨道预测是比较有用的，后来还根据研究最终发表了相关论文。
所谓的数据滤波是一种比较特别的，可以成功去除噪声还原真实数据的办法，这种特别的滤波在测量方差已知的时候可以更好的估计出动态系统。
卡尔曼滤波器的性能是优于低通滤波器的，因为其在迭代过程中找到了最优滤波常数。
是。卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
哥，不止卡尔曼滤波，只要是协方差矩阵就肯定是正定对称的。
在计算机计算时，由于浮点数的舍入误差可能会导致本来应该正定的协方差矩阵不正定，可以通过cholesky分解法提高精度与保障正定