对动态事物的感知我们往往有两种手段,一种是预测,一种是观测。但是不幸的是无论是预测还是观测均避免不了误差,比如天气情况可以用一组非线性偏微分方程算出来,也可以用各个基站测量出来,但是均有误差。再比如导弹的运行轨迹我们可以预测也可以通过雷达观测,但是也均有误差。那么自然的问题就是如何在预测和观测给出一个最优的估计值。卡尔曼告诉了我们答案。答案很简单就是从两个方面观察得到,一是静态,如果预测的误差大观测的误差小我们有理由相信最优解更加靠近观测反之亦然;二是动态的角度,如果观测的误差大我们有理由相信下一时刻观测的贡献要小一些。我称之为动态的最小二乘,这便是大名鼎鼎的卡尔曼算法。对未来时刻用卡氏算法我们称之为预测,对当下的结果用卡氏算法我们称之为滤波,对过去的结果用卡氏算法我们称之为平滑。
卡尔曼滤波
最新推荐文章于 2024-07-11 09:50:14 发布