刚刚那些草稿纸上面颇为潦草的容，哪怕让他自己第二天去看，恐怕都未必看得懂。

        又是几乎一整个午的时间，常浩南几乎一直在草稿纸上行着思路分析和计算。

        不过他还是控制住没有表现懊恼的绪，只是用了了一气，然后指了指自己的脑袋。

        实际上，以目前的系统等级，也没办法同时行两个项目，所以这次只能靠他自己了。

        听到这句话之后的常浩南愣了一，然后重重地拍了一自己的额。

        一直到午饭时间之后，他才从图书馆找到想要的资料，回到计算中心专门给他腾来的一间机房中。

        “常……”

期待在门的时候正好遇到了同样刚刚打开房间门的姚梦娜。

        理者的份是需要适应的，当了几十年螺丝钉的他在这方面本来就经验不足，再加上看了一晚上信件导致脑里全都是算法相关的东西，导致他差就忘了今天早上开会的事。

        “第二步，计算k-1时刻的容积，p（k-1|k-1）=s（k-1）s（k-1）t，其中s（k-1）通过p（k-1|k-1）的乔列斯基分解得到，对于容积卡尔曼滤波算法，集ξ及相应的权值为……”

        ……

        常浩南本来的想法是用这种算法与徐洋提的噪声方差寻优结合，应该会是信息提取领域中一个相当重要的突破。

        “不用，知识都在脑里装着，到那直接开始分任务就行。”

        “可以据贝叶斯理论和  spherical-radial  cubature规则，将笛卡尔坐标系的积分转化为球面-径向积分，利用一组确定采样，通过非线方程的传播来行状态估计，其步骤如：”

        在原本的时间线上，为了解决ekf算法线截断误差大的问题发展的产是无迹卡尔曼滤波算法（ukf）。

        “由于在许多实际问题中状态方程以及观测方程的非线函数的导数无法求取，所以很难求取雅克比矩阵。”

        不过，最后这场早会的持续时间还是超了常浩南的估计。

        在已经明确地知思路可行的况，常浩南甚至无需动用系统，他很快从接来的一摞资料里面找到了自己想要的分。

        此时常浩南已经完成了整个演算过程，从旁边了一摞信纸准备写回信。

        时间一分一秒过去，刚开始的时候，常浩南还需要写一会就

        “第一步：确定滤波初值：x0=e（x），p0=e[（x0-x0）（x0-x0）t  ]……”

        “……”

        “常组长怎么也门这么晚啊？不用提前去准备会议材料么？”

        这个会甚至还是昨晚上他自己提要开的。

        而在刚刚对卡尔曼滤波法行学习和研究的过程中，某个瞬间的灵光一闪让他有了个更加妙的思路：

        但随着对算法了解的深，他发现ukf算法在理论上的数学推导过程并不严密，并且经过几次计算模拟之后证明在维状态的数值仍然不够稳定。

        当姚梦娜推门来准备叫他去吃晚饭的时候，只看到了一个正在奋笔疾书的背影。

        好在今天门的时候被姚梦娜提醒了一，加上整个任务分程都在常浩南的脑里，所以还不至于耽误大事。

        姚梦娜把门锁好，语气中带着几分调笑的意味。

        “惠书敬悉，利用改的差分化算法使过程噪声矩阵的方差阵自动行调整的思路相当新颖，经过数值模拟计算后也证明其有较好的估计度，但ekf滤波算法本仍然存在分问题……”

        迟疑片刻之后，她抿了抿嘴，轻轻地重新把门关上。

        “由于ekf需要求取雅克比矩阵，所以对于非线函数的形式必须确切知，而无法到黑盒封装。”

        二人对视了一。