卡尔曼滤波 预测与测量我们更应该相信谁?

本文深入探讨卡尔曼滤波中预测与测量的关系,通过实例分析强调滤波过程是一个动态的权衡过程。初始P值的选择影响滤波效果,正确的K值计算使滤波器能平衡预测与测量的误差。尽管卡尔曼滤波能优化测量,但对大误差的处理有限,需要额外策略应对。
摘要由CSDN通过智能技术生成

本文承接 白色巧克力亦唯心的博文卡尔曼滤波 -- 从推导到应用(二) 写一些修正和理解总结

        刚刚步入机器人定位导航领域,内有感性理解,如有纰缪请指正,仅供交流。非常感谢白色巧克力亦唯心的总结与分享。精彩的博文,巨大的阅读量,对相关领域的蓬勃发展,将来可以说一句居功至伟。

卡尔曼滤波 -- 从推导到应用(一)公式推导细致入微。

卡尔曼滤波 -- 从推导到应用(二)例子承接(一),分析的很好,但有如下问题。

1、真实值并不是x,x是预测值。

真实值应该是:

xr=1/2*g*t.^2+Qn(int32(t/delta_t+1));%真实位置。其中数组Qn是每一个delta_t 的累计误差。每一次delta_t的噪声服从正态分布,均值为p,方差为q。

2、测量更新里测量的结果是真实值+测量噪声所以应该是:

z = xr +s+ r.*randn(1,N); % 测量时加入测量噪声。噪声R服从均值s,方差r的正态分布。

所以为了更真实地仿真滤波情景,代码修改后如下:

评论 6
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