信号处理
eternity1118_
不积跬步无以至千里,不积小流无以成江海
展开
-
卡尔曼(Kalman)滤波(一)--Kalman滤波的本质
1.Kalman滤波的简介 接触过信号处理的朋友应该清楚,信号在传输与检测过程中不可避免的受到外界干扰和来自设备内部的噪声影响,使得接收端的信号因此具有随机性,为了排除以上干扰,就需要滤波;所谓滤波,就是从混杂在一起的各种信号中提取自己想要的信号,滤波的方法因信号的性质不同而不同。对于确定性信号,根据其确定的频谱特性,设置相应频率特性的filter,比如LPF,HPF,BPF等,通原创 2016-06-04 12:46:03 · 7432 阅读 · 2 评论 -
卡尔曼(Kalman)滤波(二)--Kalman滤波的发展历史与应用
1.如何诞生 滤波估计由最开始的最小二乘法,到后来的维纳滤波,再到Kalman滤波,一步步的发展演变使得滤波估计不断的在完善。 最小二乘法,作为最早的估计方法,由高斯于1795年在其《天体运动理论》一书中提出,当时这种估计方法并没有考虑参数的统计特性,所以算不上最优估计,但是因为其简单计算量少,所以仍然广受大家欢迎。 直到1912年,Fisher基于概率密原创 2016-06-04 14:01:04 · 9669 阅读 · 1 评论 -
卡尔曼(Kalman)滤波(三)-- 新息
新息(Innovation):这是信号处理中的一个概念,先给出表达式:称a(n)为y(n)的新息过程向量;性质有:原创 2016-06-04 15:13:08 · 12550 阅读 · 0 评论 -
卡尔曼(Kalman)滤波(四)--深入浅出Kalman滤波算法
Kalman滤波是一种递归过程,主要有两个更新过程:时间更新和观测更新,其中时间更新主要包括状态预测和协方差预测,主要是对系统的预测,而观测更新主要包括计算卡尔曼增益、状态更新和协方差更新,因此整个递归过程主要包括五个方面的计算:1)状态预测;2)协方差预测;3)卡尔曼增益;4)状态更新;5)协方差更新; 用数学公式表示,如下:状态预测: (1)其中,X(原创 2016-06-04 16:11:40 · 19491 阅读 · 0 评论 -
卡尔曼(Kalman)滤波(五)-- 三次样条插值
1均差2三次样条插值函数3M关系式参考数值分析;原创 2016-06-19 16:37:14 · 3075 阅读 · 0 评论 -
卡尔曼(Kalman)滤波(六)--卡尔曼滤波的应用: 四元数卡尔曼滤波(QKF)的C代码实现姿态解算
0 引言在捷联惯导工程实践[6]中,我们希望陀螺仪能够非常精确的获取信息,或者说希望陀螺仪能非常准确的地反映观测量(加速度,磁场等)[6,7]的真实值,但是这个过程或多或少是受到噪声干扰的,导致测量的不准确;为了能够让陀螺仪在状态更新时做到准确,必须对状态变量和观测量进行数据融合和滤波,从而尽最大限度的降低噪声的干扰。最常用也最有效的方法非卡尔曼滤波莫属,其在处理高斯模型的系统上效果颇原创 2016-06-19 17:08:40 · 20334 阅读 · 6 评论 -
模式识别(Pattern Recognition)学习笔记(三十五)-- K-L变换与PCA
K-L变换的理论知识K-L变换是除了PCA外的另一种常用的特征提取方法,它有很多种形式,最基本的形式跟PCA类似,它跟PCA的不同在于,PCA是一种无监督的特征变换,而K-L变换能够考虑到不同的分类信息,实现有监督的特征提取。根据随机过程中的KL展开理论,将随机过程描述为无数个正交函数的线性组合,而在模式识别问题中,通常可以将一个样本看成是随机向量的某一次实现结果,所以假设有一d维随机向量原创 2016-06-23 17:20:16 · 9597 阅读 · 0 评论