卡尔曼滤波总结

卡尔曼滤波/数据融合

问题:

       因为有误差存在,所以对于系统的真实状态X,我们是无法知道的,所以只能通过对系统的预测值和观测值加以整合,得出最优的估计值。

 

流程:

       输入:预测值X(k|k-1)+观测值Z(k)

       输出:最佳估计值X(k|k)

/************************************分割线*********************************************/

KF:

X(k|k-1)从哪获得?

       根据系统模型和状态X(K-1|K-1)算出

其中x(k|k-1)是上一时刻的状态对现在时刻状态的预测,x(k-1|k-1)是上一时刻状态的最优结果, u(k)为现在时刻状态的控制量。

 

Z(k)怎么获得:从传感器获得测量值

 

得到最优估计值X(k|k)

式(3)中的H可以理解实际信号和观测信息的函数/系数,例如输入电流,观测电压

 

式(3)中的Kg(k)是卡尔曼系数,也叫卡尔曼增益

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值