此時常浩南已經完成了整個演算過程，從旁邊抽出了一摞信紙準備寫回信。
剛剛那些草稿紙上面頗為潦草的內容，哪怕讓他自己第二天去看，恐怕都未必看得懂。
在原本的時間線上，為了解決EKF演算法線性截斷誤差大的問題發展出的產物是無跡卡爾曼濾波演算法（UKF）。
常浩南本來的想法是用這種演算法與徐洋提出的噪聲方差尋優結合，應該會是資訊提取領域中一個相當重要的突破。
但隨著對演算法瞭解的深入，他發現UKF演算法在理論上的數學推導過程並不嚴密，並且經過幾次計算模擬之後證明在高維狀態下的數值仍然不夠穩定。
而在剛剛對卡爾曼濾波法進行學習和研究的過程中，某個瞬間的靈光一閃讓他有了個更加精妙的思路：
“惠書敬悉，利用改進的差分進化演算法使過程噪聲矩陣的方差陣自動進行調整的思路相當新穎，經過數值模擬計算後也證明其具有較好的估計精度，但EKF濾波演算法本身仍然存在部分問題……”
“由於EKF需要求取雅克比矩陣，所以對於非線性函式的具體形式必須確切知道，而無法做到黑盒封裝。”
“由於在許多實際問題中狀態方程以及觀測方程的非線性函式的導數無法求取，所以很難求取雅克比矩陣。”
“……”
“可以根據貝葉斯理論和 SpRadial Cubature規則，將笛卡爾座標系下的積分轉化為球面徑向積分，利用一組確定性取樣點，透過非線性方程的傳播來進行狀態估計，其具體步驟如下：”
“第一步：確定濾波初值：X0=E（X），P0=E[(X0X0(X0X0^T ]……”
“第二步，計算k1時刻的容積點，P（k1|k1）=S（k1）S(k1^T，其中S（k1）透過P（k1|k1）的喬列斯基分解得到，對於容積卡爾曼濾波演算法，點集ξ及相應的權值為……”
時間一分一秒過去，剛開始的時候，常浩南還需要寫一會就停下了思索一會，但隨著計算過程的進行，他的整個思路變得越來越流暢，似乎進入了某種類似“心流”的狀態。
以至於當他終於在信紙最後寫下“匆此先復，餘容後稟”並簽上自己的大名之後，才看到旁邊桌子上不知道誰打包回來的晚飯。
“我以前一直以為廢寢忘食是個修辭手法來著……”
常浩南想到昨天晚上忘了睡覺和今天晚上忘了吃飯的自己，笑著搖搖頭，然後把信紙疊好放到了一邊。
在開啟飯盒的時候，他順便看了一眼自己的系統面板，然後愣在了原地。
【科研點數：110
理論水平：LV2（500/10000）
工程經驗：LV1（270/1000）
管理能力：LV1（100/1000）
綜合能力：LV1
正在進展的專案：1
可以開展的專案：0】
因為這是自從他重生以來，【理論水平】這一項的經驗第一次增長。
而且一次就是500點！
要知道，他手頭寫出來的這些東西，甚至還沒給第二個人看過，也還沒有產生任何實際影響。
“看來我這次好像是整了個不得了的大活啊……”
常浩南靠在椅背上，把一次性筷子掰開，揉著有些發酸的後頸自言自語道。
剛才在路上開車發晚了，我之前一直以為UKF演算法是2000年提出的，結果今天看到是1991年就提出了，所以後面關於卡爾曼濾波法改進的劇情都要調整，不過現在細綱已經重新理順，沒問題了。
 本章完