卡尔曼却将近60岁了。尽管距离算法得诞生已经半个多世纪了,但是却历久弥新,永不过时。
它仍然是当前使用最广泛的数据融合算法。
kalman核心就是两个过程,五个公式:
一、预测过程
二、更新过程
预测可以理解成根据公式进行计算得到的一个值,这样会存在一个协方差误差。Q
更新过程是一个纠正过程,就用另一个观测值来纠正预测值。
那我们应该更相信谁呢,预测还是更新?
这就需要比较他们之间的协方差误差大小**(给出了一个kalman系数)**
相当于找到了一个求权重的方法。
一年后来看卡尔曼,真的觉得挺简单的了。
经典案例:
温度预测
室内温度恒定为23.5度。
根据经验预测时,温度是保持不变的,但是存在一个预测方差Q = 4e-4
但是测数时有一个测量误差,符合高斯分布,方差为R = 0.2^2
假定初始估计温度为25度
初始kalma系统方差为P = 1.0
python代码实现如下:
'''
Kalman filter example demo in Python
'''
import numpy as np
import matplotlib.pyplot