KF(Kalman filtering)
硬件不够,算法来凑,上世纪阿波罗登月工程中,由于数据的真值深度的淹没在测量噪声中,致使相关工程的进展非常困难。卡尔曼该算法躬身入局,解决滤波相关的关键问题,名声大噪。
经典方程(五个)
时间更新方程(两个):
x ^ k ^ = A x ^ k − 1 + B u k − 1 \ {\hat{x}}_{\hat{k}}= A {\hat{x}}_{k-1} + B{u}_{k-1} x^k^=Ax^k−1+Buk−1
P k ^ = A P k − 1 A T + Q \ {P}_{\hat{k}}= A {P}_{k-1}A^T + Q Pk^=APk−1AT+Q
状态更新方程(三个):
K
k
=
P
k
^
H
T
/
(
H
P
k
^
H
T
+
R
)
\ {K}_k= {P}_{\hat{k}}H^T/ (H{P}_{\hat{k}}H^T + R)
Kk=Pk^HT/(HPk^HT+R)
x ^ k = x ^ k ^ + K k ( z k − H x ^ k ^ ) \ {\hat{x}}_k= {\hat{x}}_{\hat{k}} + {K}_k({z}_k-H{\hat{x}}_{\hat{k}} ) x^k=x^k^+Kk(zk−Hx^k^)
P k = ( I − K k H ) P k ^ \ {P}_{k}= (I-{K}_kH){P}_{\hat{k}} Pk=(I−KkH)Pk^
类型发展
非线性卡尔曼滤波(EKF),Extended Kalman Filter;
无损卡尔曼滤波(UKF),Unscented Kalman Filter;
粒子卡尔曼滤波(PKF),Particle Kalman Filter;
自适应卡尔曼滤波(AEKF),Adaptive Extended Kalman Filter;
误差状态卡尔曼滤波(ESKF),Error State Kalman Filter;
“花小钱办大事”,不只是现在、过去,甚至是将来都会是核心的竞争力。卡尔曼滤波大有可为。