第 1 步看到了：相邻两帧直接算速度，一帧量偏 0.25 米，速度就跳到 −7.5。卡尔曼滤波每一帧做两件事：先按上一帧的速度猜前车现在在哪，再看雷达量到哪，两边按“谁更有把握”折中。
我 20 m/s、前车 18 m/s，前车车尾从 20 米开始，每秒近 2 米。图是相对视角：把我的车固定在左边，看前车怎么一点点靠近。数字和 examples/a_stack/a6_diff_speed.py 是同一组。
4.0 秒这一帧雷达量偏了（量到 11.75 米，真实 12.00 米），第 1 步的 diff_speed 在这里算出 −7.5。下面是一条“离前车多远”的数轴，钟形曲线表示“大概在哪、有多没把握”：钟越窄，越有把握。
| d | 前车车尾离我多少米（要估计的第 1 个数） |
|---|---|
| v | 前车相对我的速度，m/s，负数 = 在靠近（要估计的第 2 个数，雷达量不到，只能推出来） |
| P | 有多没把握：钟的宽度。图上写的 ±0.12 是 √P（标准差），P 本身是它的平方 |
| Q | 每猜一步多出来的没把握：0.1 秒里前车可能加速、减速，所以猜完钟会变宽 |
| z | 这一帧雷达量到的距离 |
| R | 雷达量距离的误差：0.2 米，R = 0.2² = 0.04 |
| K | 这一帧信“量”多少（0～1）。猜的钟窄，K 就小，多信猜；量的钟窄，K 就大，多信量 |
上面是 KalmanCV 里要写的 7 行，亮的那行就是这一步；下面用这一帧的真实数字把它算一遍。看懂一行再点“下一步”。