卡尔曼滤波就是让得到的数据不停地逼近实际数据的算法,其大体思想就是将状态变量与预测变量进行数据融合得到接近真实数据的数据,然后作为下一过程的状态变量,再与下一过程的观测变量进行融合,如此往复,最后的数据就会非常接近真实数据。
卡尔曼滤波总体的两大用处:
-
可以优化估算一些无法直接测量但可以间接测量的量。
-
可以结合多个传感器的信息来估测系统现在的状态。
相关名词解释:
- 状态变量: 确定系统状态的一组独立(最小)变量。是能完整、确定地描述系统的时域行为的最少的一组变量。
- 状态方程: 描述系统的状态变量之间,及其和系统输入量之间关系的一阶微分方程组。
- 输出方程: 描述系统输出变量与状态变量(有时还包括输入变量)之间的函数关系的代数方程。
- 状态观测器: 为了实现状态反馈控制,就要设法利用巳知的信息(输入量及输出量),通过一个模型来对状态变量进行估计。