- 博客(3)
- 收藏
- 关注
RSS订阅原创 卡尔曼滤波（KF）和扩展卡尔曼滤波（EKF）相应推导
卡尔曼滤波的本质是参数化的贝叶斯模型，通过对下一时刻系统的初步状态估计（即状态的先验估计）以及测量得出的反馈相结合，最终得到改时刻较为准确的的状态估计（即状态的后验估计），其核心思想即为预测+测量反馈，而这两者是通过一个变化的权值相联系使得最后的状态后验估计无限逼近系统准确的状态真值，这个权值即为大名鼎鼎的卡尔曼增益。把模型算出来的值，和传感器测出的值，（就像两个传感器那样），取加权平均。我们认定是预测（先验）值，是估计值，为测量值的预测，在下面的推导中，请注意估计和预测两者的区别，不混为一谈。
2023-05-05 14:02:10
3148
1
空空如也
投SCI，返回邮件是这个，什么意思
2023-11-06
Bms中的soc估算方向，有哪些比较水的sci期刊推荐
2023-08-26
TA创建的收藏夹 TA关注的收藏夹
TA关注的人