(一) 到底啥是 卡尔曼滤波 Kalman Filter
- 简单的来说就是用上一个状态预测下一个状态。所以解决实际问题的时候首先要确定表示系统状态的变量有哪些。
- 1.理论上讲,从A状态到B状态,只需要根据各个系统变量的转换公式计算就可以了。如果这个过程中需要人为的干预,转换公式中再加上人为干预的控制量就大功告成。但实际上由于各种损耗,误差,干扰的存在。最终推算得到的是B状态+误差1的分布。
- 2.于是我们开始拿设备测量当前的状态,然而设备还不准,精度也不尽人意。最后只能读到的是B状态+误差2的分布。
- 3.虽然理论推导和实际测量都不能准确的得到B状态,但这两种方法得到的状态都应该在B状态附近。于是目的很明确了,就是将B状态+误差1和B状态+误差2取交集,结果就应该是B状态的最佳估计。
- 到此就结束了,剩下的就是实际问题中系统的建模与推导。如果对卡尔曼滤波还想进一步了解,推荐一个不错的文章:
简单的来说就是用上一个状态预测下一个状态。所以解决实际问题的时候首先要确定表示系统状态的变量有哪些。
1.理论上讲,从A状态到B状态,只需要根据各个系统变量的转换公式计算就可以了。如果这个过程中需要人为的干预,转换公式中再加上人为干预的控制量就大功告成。但实际上由于各种损耗,误差,干扰的存在。最终推算得到的是B状态+误差1的分布。
2.于是我们开始拿设备测量当前的状态,然而设备还不准,精度也不尽人意。最后只能读到的是B状态+误差2的分布。
3.虽然理论推导和实际测量都不能准确的得到B状态,但这两种方法得到的状态都应该在B状态附近。于是目的很明确了,就是将B状态+误差1和B状态+误差2取交集,结果就应该是B状态的最佳估计。
到此就结束了,剩下的就是实际问题中系统的建模与推导。如果对卡尔曼滤波还想进一步了解,推荐一个不错的文章:
http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/#mjx-eqn-gaussequiv