这是关于卡尔曼滤波系列的第一篇笔记。笔记内容不按照算法学习的顺序来,所以这不是一个教程,而是对待某一特定问题的解决方法探讨。
所有笔记放在卡尔曼专栏里面。欢迎私信或email:evandjiang@qq.com讨论。
离散KF介绍
KF作为一个迭代算法,所以它是离散的,虽然有连续KF这个说法,但是还是需要把模型打成离散化的形式才可以用于计算。
• 状态方程是微分形式的,需要根据不同的情况进行离散化处理
• 观测方程不是微分形式,而只是简单的线性变化,其内部又不含有采样时间等与时间有关的参数,所以不需要进行离散化(或者说离散形式和连续形式相同)
滤波参数的意义
方程中:x是状态量,z是观测量,φ换h是转移矩阵,ω是系统噪声,ν是观测噪声。这里忽略两个噪声的转移矩阵。
噪声是已知的、系统自带的、不可调的。如果可以调节,我们当然希望噪声为0,因为那样的话得到的结果最好;当然,如果噪声为0,滤不滤波似乎也没有意义了。。。
我们需要调节的参数就是R/Q/P这三个。在正常的卡尔曼滤波中,R和Q不变,P只需要提供一个初值。所以总结来