卡尔曼滤波-一维卡尔曼滤波器

一维卡尔曼

从本章开始,我开始逐步从一维到多维介绍卡尔曼,由于原来是在Word上记录的,现在转到Markdown下面,好多公式没法同步,只能截图了。

没有过程噪声的卡尔曼滤波

在α滤波其中,我们已经熟悉了两个方程:
1》状态更新方程
2》状态预测方程
在这一章中,我们将引入剩下的 3 个卡尔曼滤波方程。
在这之前,我们回顾一下我们之前位置估计的例子,通过雷达测量值和真实值之间是有
误差的,当时我们是用高斯噪声来模拟这个误差的,这个误差我们叫测量误差(measurement
error),当然这个误差是随机的,在统计学中,我们可以通过方差(σ2)来描述这个随机误
差。这个误差一般是传感器厂家给出的,是一个已知特定的值。有些时候,我们也把测量误
差叫做测量不确定度(measurement uncertainty)。
我们使用 r 表示测量不确定度。
估计值和真实值之间也有一个误差,我们叫做估计误差(estimate error),在 10 次的估
计的过程中,随着估计值不断的收敛到真实值,估计误差在不断的缩小直到 0,我们不知道
估计误差到底是多少,但是我们可以估算估计中的不确定性。
我们使用 p 表示估计不确定度(estimate uncertainty),这个值究竟取多少呢?其实不重
要,你可以随便取一个值,卡尔曼滤波会不断的收敛这个值,这就是卡尔曼滤波的神奇之处。

卡尔曼增益方程

在这里插入图片描述
在这里插入图片描述

协方差更新方程

在这里插入图片描述

协方差预测方程

在这里插入图片描述

滤波算法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

思考

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

加入过程噪声在这里插入图片描述

请关注下一章节的多维卡尔曼滤波器吧!

  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值