浅谈滤波中Q和R的调整——KF第三篇笔记

前段时间收到私信和email，问我关于Q和R怎么取、如何调。前面说过p0和x0怎么找的问题，Q和R怎么找还没有说过，这里就简单探讨一下。

Q和R的意义

Q值为过程噪声，越小系统越容易收敛，表示对模型预测的值信任度越高；但是太小则容易发散，如果Q为零，那么我们只相信预测值；Q值越大表示对于预测的信任度就越低，而对测量值的信任度就变高；如果Q值无穷大，那么则表示信任测量值。
R值为测量噪声。R太大，滤波的响应（此处响应特指对量测值的响应）会变慢，因为它对新测量的值的信任度降低；越小系统收敛越快，但过小则容易出现震荡。
如果Q和R选择不对，确实很影响滤波效果。可以做这样的实验：把R后面多加几个0，设10000吧，Q设为0，试试看，输出的结果应该跟不加观测量的时候是一样的，这是因为Q=0，R=10000几乎代表只相信系统预测的值，而不相信观测值了。如果系统输入是惯导，现在应该已经发散了。

选取（试错的起点）

Q和R的具体数值应该由过程噪声和测量噪声的外积期望决定，如果我们了解这些噪声的大小，那可以直接把Q和R算出来，做仿真的时候这是完全可以算出来的，算出来按道理就是最优估计了，后面的就不用看了。但实际情况大多是噪声大小知道大概是什么范围，但又不是特别了解，那就选一个心目中觉得最有可能的大小，先算出来一下Q换R，带进去。
这就是是错的起点。

调参

后面就可以慢慢调参了。
以我的经验，当Q过小时，易发散，当R过小时，误差会变大，同时如果搭配观测量同时看，R过小时滤波输出会趋近于观测量。
调试时可以先将Q从小往大调整，将R从大往小调整；先固定一个值去调整另外一个值，看收敛速度与波形输出。
在允许多次尝试时，编过一个程序，用几个for循环嵌套，github的链接：https://github.com/evandworld/findPQ