如何在不理解的情况下直接使用卡尔曼滤波？

没有一定的数学和控制理论基础 对卡尔曼滤波的理解还是有一定困难的；

X(k)=AX(k-1)+BU(k)+W(k)   状态反馈矩阵

Z(k)=HX(k)+V(k)                观测阵                   现控知识

w v 为过程噪声和测量噪声 

卡尔曼滤波主要五个核心公式

（1） X(k|k-1)=AX(k-1|k-1)+BU(k)

（2）P(k|k-1)=AP(k-1|k-1)A’+Q

（3）X(k|k)=X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))

（4）Kg(k)=P(k|k-1)H’/(HP(k|k-1)H’+R)

（5）P(k|k)=（I-Kg(k)H）P(k|k-1)

其中 X(k|k-1)为上一期状态预测结果  X(k-1|k-1)上一次状态最优结果 U(k)为现在状态的控制量

        P(k|k-1)是X(k|k-1)对应的协方差   Q R为过 观噪声协方差   

 

float kalmanFilter(float inData) 
{
  static float lastData=0; 
  static float p, q, r, kGain=0;//p不wei0   r q 自己估
    p = p+q; 
    kGain = p/(p+r);    //卡尔曼增益

    inData = lastData+(kGain*(inData-lastData));  //最优解
    p = (1-kGain)*p;  //协方差

    lastData = inData; 

    return inData; 
}
 

N=500;
w(1)=0;%过程噪声
w=randn(1,N);  %w为1行N列的矩阵，且服从N（1，N）的正态分布
x(1)=0;
a=1;   %房间温度我们认为不变 自己预测
for k=2:N;
    x(k)=a*x(k-1)+w(k-1);%系统趋势值  无控制量 白噪声为wk
end    
V=randn(1,N);
q1=std(V);
Rvv=q1.^2%系统测量协方差  r
q2=std(x);
Rxx=q2.^2;
q3=std(w);
Rww=q3.^2  %系统过程协方差  q
c=0.2;

Y=c*x+V;  %测量值   实际上的测量值会绕着真值波动

p(1)=10;
s(1)=1;
for t=2:N;
    p1(t)=a.^2*p(t-1)+Rww;%用上次协方差计算
    b(t)=c*p1(t)/(c.^2*p1(t)+Rvv);% 卡尔曼增益
    s(t)=a*s(t-1)+b(t)*(Y(t)-a*c*s(t-1));%此次最优化估算结果
    p(t)=p1(t)-c*b(t)*p1(t);%更新本次协方差
end

t=1:N;
plot(t,s,'r',t,Y,'g',t,x,'k');
legend('Kalman滤波结果','观测值','系统值');

 

 

 

r参数调整滤波后的曲线与实测曲线的相近程度，r越小越接近。

q参数调滤波后的曲线平滑程度，q越小越平滑。 

以下三类

r=RVV;

r=RVV*10; 

r=RVV/10

github  上的用卡尔曼姿态解算

#include "Wire.h"
#include "I2Cdev.h"
#include "MPU6050.h"
 
MPU6050 accelgyro;
 
unsigned long now, lastTime = 0;
float dt;                                   //微分时间
 
int16_t ax, ay, az, gx, gy, gz;             //加速度计陀螺仪原始数据
float aax=0, aay=0,aaz=0, agx=0, agy=0, agz=0;    //角度变量
long axo = 0, ayo = 0, azo = 0;             //加速度计偏移量
long gxo = 0, gyo = 0, gzo = 0;             //陀螺仪偏移量
 
float pi = 3.1415926;
float AcceRatio = 16384.0;                  //加速度计比例系数
float GyroRatio = 131.0;                    //陀螺仪比例系数
 
uint8_t n_sample = 8;                       //加速度计滤波算法采样个数
float aaxs[8] = {0}, aays[8] = {0}, aazs[8] = {0};         //x,y轴采样队列
long aax_sum, aay_sum,aaz_sum;                      //x,y轴采样和
 
float a_x[10]={0}, a_y[10]={0},a_z[10]={0} ,g_x[10]={0} ,g_y[10]={0},g_z[10]={0}; //加速度计协方差计算队列
float Px=1, Rx, Kx, Sx, Vx, Qx;             //x轴卡尔曼变量
float Py=1, Ry, Ky, Sy, Vy, Qy;             //y轴卡尔曼变量
float Pz=1, Rz, Kz, Sz, Vz, Qz;             //z轴卡尔曼变量
 
void setup()
{
    Wire.begin();
    Serial.begin(115200);
 
    accelgyro.initialize();                 //初始化
 
    unsigned short times = 200;             //采样次数
    for(int i=0;i<times;i++)
    {
        accelgyro.getMotion6(&ax, &ay, &az, &gx, &gy, &gz); //读取六轴原始数值
        axo += ax; ayo += ay; azo += az;      //采样和
        gxo += gx; gyo += gy; gzo += gz;
    
    }
    
    axo /= times; ayo /= times; azo /= times; //计算加速度计偏移
    gxo /= times; gyo /= times; gzo /= times; //计算陀螺仪偏移
}
 
void loop()
{
    unsigned long now = millis();             //当前时间(ms)
    dt = (now - lastTime) / 1000.0;           //微分时间(s)
    lastTime = now;                           //上一次采样时间(ms)
 
    accelgyro.getMotion6(&ax, &ay, &az, &gx, &gy, &gz); //读取六轴原始数值
 
    float accx = ax / AcceRatio;              //x轴加速度
    float accy = ay / AcceRatio;              //y轴加速度
    float accz = az / AcceRatio;              //z轴加速度
 
    aax = atan(accy / accz) * (-180) / pi;    //y轴对于z轴的夹角
    aay = atan(accx / accz) * 180 / pi;       //x轴对于z轴的夹角
    aaz = atan(accz / accy) * 180 / pi;       //z轴对于y轴的夹角
 
    aax_sum = 0;                              // 对于加速度计原始数据的滑动加权滤波算法
    aay_sum = 0;
    aaz_sum = 0;
  
    for(int i=1;i<n_sample;i++)
    {
        aaxs[i-1] = aaxs[i];
        aax_sum += aaxs[i] * i;
        aays[i-1] = aays[i];
        aay_sum += aays[i] * i;
        aazs[i-1] = aazs[i];
        aaz_sum += aazs[i] * i;
    
    }
    
    aaxs[n_sample-1] = aax;
    aax_sum += aax * n_sample;
    aax = (aax_sum / (11*n_sample/2.0)) * 9 / 7.0; //角度调幅至0-90°
    aays[n_sample-1] = aay;                        //此处应用实验法取得合适的系数
    aay_sum += aay * n_sample;                     //本例系数为9/7
    aay = (aay_sum / (11*n_sample/2.0)) * 9 / 7.0;
    aazs[n_sample-1] = aaz; 
    aaz_sum += aaz * n_sample;
    aaz = (aaz_sum / (11*n_sample/2.0)) * 9 / 7.0;
 
    float gyrox = - (gx-gxo) / GyroRatio * dt; //x轴角速度
    float gyroy = - (gy-gyo) / GyroRatio * dt; //y轴角速度
    float gyroz = - (gz-gzo) / GyroRatio * dt; //z轴角速度
    agx += gyrox;                             //x轴角速度积分
    agy += gyroy;                             //x轴角速度积分
    agz += gyroz;
    
    /* kalman start */
    Sx = 0; Rx = 0;
    Sy = 0; Ry = 0;
    Sz = 0; Rz = 0;
    
    for(int i=1;i<10;i++)
    {                 //测量值平均值运算
        a_x[i-1] = a_x[i];                      //即加速度平均值
        Sx += a_x[i];
        a_y[i-1] = a_y[i];
        Sy += a_y[i];
        a_z[i-1] = a_z[i];
        Sz += a_z[i];
    
    }
    
    a_x[9] = aax;
    Sx += aax;
    Sx /= 10;                                 //x轴加速度平均值
    a_y[9] = aay;
    Sy += aay;
    Sy /= 10;                                 //y轴加速度平均值
    a_z[9] = aaz;
    Sz += aaz;
    Sz /= 10;
 
    for(int i=0;i<10;i++)
    {
        Rx += sq(a_x[i] - Sx);
        Ry += sq(a_y[i] - Sy);
        Rz += sq(a_z[i] - Sz);
    
    }
    
    Rx = Rx / 9;                              //得到方差
    Ry = Ry / 9;                        
    Rz = Rz / 9;
  
    Px = Px + 0.0025;                         // 0.0025在下面有说明...
    Kx = Px / (Px + Rx);                      //计算卡尔曼增益
    agx = agx + Kx * (aax - agx);             //陀螺仪角度与加速度计速度叠加
    Px = (1 - Kx) * Px;                       //更新p值
 
    Py = Py + 0.0025;
    Ky = Py / (Py + Ry);
    agy = agy + Ky * (aay - agy); 
    Py = (1 - Ky) * Py;
  
    Pz = Pz + 0.0025;
    Kz = Pz / (Pz + Rz);
    agz = agz + Kz * (aaz - agz); 
    Pz = (1 - Kz) * Pz;
 
    /* kalman end */
 
    Serial.print(agx);Serial.print(",");
    Serial.print(agy);Serial.print(",");
    Serial.print(agz);Serial.println();