推导过程并不严密，并且经过几次计算模拟之后证明在高维状态下的数值仍然不够稳定。

几小时后。

“惠书敬悉，利用改进的差分进化算法使过程噪声矩阵的方差阵自动进行调整的思路相当新颖，经过数值模拟计算后也证明其具有较好的估计精度，但ekf滤波算法本身仍然存在部分问题……”

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

综合能力：lv1

就在他即将进入宿舍楼的时候，门口的值班门卫突然从身后叫住了他。

一方面，对涡喷14压气机叶片外形设计的优化工作刚刚开始，这个阶段的大部分工作是由606所的工程师完成的。况且因为系统的存在，常浩南写出的代码只要思路正确，就不需要debug，这项羡煞无数程序员的能力决定了他耗时最多的部分并不是编程，而是等待计算结果，所以有足够的时间去做这件事。

结果表明，改进的扩展卡尔曼滤波算法减小了状态估计偏差，获得了比较理想的滤波效果……

“常工！”

他在601所这边工作的事情并没有太多人知道，而知道这件事的人似乎都可以直接通过杨奉畑联系到自己。

而且一次就是500点！

听到自己名字的常浩南停住脚步，回过头，看到一个穿着制服，年龄看上去跟他差不多的保卫人员手里拿着一个东西从岗亭里面跑了出来。

“常组长怎么也出门这么晚啊？不用提前去准备会议材料么？”

只能说徐洋不愧是ucb归国的博士，又亲自参与了差分进化算法的开发过程。

虽然距离重生已经过去了几个月的时间，他也逐渐习惯了这个没有移动互联网的时代，但真的看到一封贴着邮票的信件还是会让他觉得有一种奇怪的感觉。

工程经验：lv1（270/1000）

常浩南有些茫然地从对方手中接过牛皮纸信封，昏暗的光线下看不清上面写了什么。

摘要：扩展卡尔曼滤波已被广泛地应用到工程实际等各领域，但是此算法因假设过程噪声固定而带来误差，精度不高。研究了一种改进的ekf算法，主要通过假设过程噪声由滤波结果和观测结果得到，再用差分进化算法对所得到的过程噪声方差进行最优化选择来提高滤波精度……

“看来我这次好像是整了个不得了的大活啊……”

“由于ekf需要求取雅克比矩阵，所以对于非线性函数的具体形式必须确切知道，而无法做到黑盒封装。”

“呼——”

这封信的内容说起来并不算复杂：

常浩南本来的想法是用这种算法与徐洋提出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。

常浩南揉了揉有些发胀的太阳穴，把信纸放在桌上，起身离开卧室。

因为这是自从他重生以来，【理论水平】这一项的经验第一次增长。

好在今天出门的时候被姚梦娜提醒了一下，加上整个任务分配流程都在常浩南的脑子里，所以还不至于耽误大事。

几分钟后。

“可以根据贝叶斯理论和spherical-radialcubature规则，将笛卡尔坐标系下的积分转化为球面-径向积分，利用一组确定性采样点，通过非线性方程的传播来进行状态估计，其具体步骤如下：”

以至于当他终于在信纸最后写下“匆此先复，余容后禀”并签上自己的大名之后，才看到旁边桌子上不知道谁打包回来的晚饭。

姚梦娜把门锁好，语气中带着几分调笑的意味。

到了90年代中期这会，工程界已经基本看到了ekf算法的极限，开始琢磨对ekf算法进行改进，或者创造一种新的卡尔曼滤波算法出来。

尤其是后半段与卡尔曼滤波有关的部分。

二人对视了一眼。

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

举一反三的能力相当强悍。

不过，最后这场早会的持续时间还是超出了常浩南的估计。

“常……”

理论水平：lv2（500/）

别说1996年，哪怕放在2006年也绝对是一个能让人听到之后直接血压拉满的数字。

简直是瞌睡来了送枕头。

但是今天，在经过上楼时候的短暂纠结之后，常浩南决定还是得看看那封信是什么情况。