卡尔曼滤波学习心得(1)方程推导

本文介绍了卡尔曼滤波的学习心得,详细推导了状态方程和测量方程,探讨了随机状态模型,以及如何通过求解最小化状态估计的均方误差来找到最优估计。内容包括状态一步预测、量测一步预测误差、协方差阵和最优估计矩阵K的计算。
摘要由CSDN通过智能技术生成

前言

最近由于项目需求需要用到Kalman滤波,另外也想在明年大学毕业之前做出一架自己的四旋翼来,也算是个人的爱好,其中不免也要用到KF,故将一些学习心得写在这里,一来方便日后查阅,二来希望能够与大家互相交流共同进步。最近读到一篇文章,推导过程比较容易理解,故整理出来与大家分享。文中难免有许多错误,望能够指出,及时与我联系,我会第一时间更正。

言归正传

1.随机状态模型

这两个式子想必大家都很熟悉,状态方程和测量方程。式中,Xk是n*1维的状态向量,Zk 是m*1维的量测向量;其中系统的过程噪声与测量噪声阵均为零均值的高斯白噪声,而且他们互不相关,所以他们满足:

上式也是卡尔曼滤波的基本假设。

2.方程推导

先从状态方程出发

估计误差(k-

评论 2
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