为什么使用卡尔曼滤波器？

此时@此刻

于 2022-08-17 12:16:53 发布

阅读量895

点赞数 2

分类专栏：卡尔曼滤波文章标签：算法性能优化

本文链接：https://blog.csdn.net/qq_35611242/article/details/126383344

版权

卡尔曼滤波专栏收录该内容

6 篇文章 12 订阅

订阅专栏

本节将讨论为什么您可能会用卡尔曼滤波器，如果你不熟悉这个主题，你可能会问自己，什么是“卡尔曼滤波器”? 它是新款咖啡过滤器?能滤出最爽口的咖啡? 不，并不。卡尔曼滤波器是一种优化估算算法。今天我们将讨论两个例子，来解释卡尔曼滤波器的常见用途。

在第一个例子中，我们来看看当系统状态无法直接被测量的时候，是如何使用卡尔曼滤波器来估算系统状态的。为了说明这一点，让我们出发去还没有人到过的火星。如果你的太空船的发动机能在足够高的温度下燃烧燃料，那么它产生的推力就能让你飞往火星。（顺便提一下，根据美国国家航空航天局的说法，液态氢是一种轻且强大的火箭推进剂，在华氏5500度时剧烈燃烧。）但要小心，过高的温度会使发动机机械部件处于危险之中。这可能导致一些机械部件失效。如果发生这种情况，你可能就会被卡在你的小宇宙飞船里，只能通过管子来吃东西。为避免出现这种情况，你得密切监控燃烧室的内部温度。这不是一件容易的事，因为如果传感器放在发动机燃烧室内会被熔化掉，所以需要把它放在燃烧室附近温度较低的地方。这样问题就来了，你想测量发动机燃烧室的内部温度，但是测不到，相反，你只能测量外部温度。在这种情况下，您可以使用卡尔曼滤波器，利用间接测量值，计算内部温度的最优估算值。这样，您就可以获取原本直接测不到的信息，利用能测到的值。现在您已经知道问题的解决方案，那么您可以继续前往火星。

然后让我们回过头来看看地球上的另一个场景。在这个例子中，我们将看到通过组合各种可能受噪音影响的数据源，如何使用卡尔曼滤波器来估计系统的状态。如果您有客人从海外过来，您需要去机场接他们。你正在使用汽车的导航系统。让我们来看看你的车载传感器，那些得到当前位置并导航您到机场的传感器。惯性测量单元（IMU），使用加速度计和陀螺仪，来测量汽车的加速度和角速度；里程表测量汽车行驶的相对距离；GPS 接收器接收来自卫星的信号，并定位汽车在地球表面的位置。

如果你住在波士顿，像我这样，你必须经过一个“大洞”：一条非常非常长的隧道。在隧道里，很难用GPS来估计位置，因为接收器和卫星的通信被挡了，GPS信号变得很弱。

这时候，您可能希望还能相信IMU，相信它提供的加速度信息。然而，加速度本身并不能告诉你汽车的位置。所以，您需要计算加速度的二次积分。然而，这个计算会越算越偏，因为很小误差也会随着时间不断累积。为了能更准确的估算位置，您可以结合使用IMU测量值和里程表读数。但要注意，里程表的读数也可能受到轮胎压力和道路状况的影响。

总而言之，您的传感器可以测量汽车的相对位置, 可以快速更新，但同时也很容易漂移。GPS接收器提供您的绝对位置，但它更新没那么快，而且可能会有噪音。

这时，我们就可以使用卡尔曼滤波器，结合三个测量值，得到汽车最合适的估算位置。

让我们看看有关卡尔曼滤波器的一些情况。卡尔曼滤波器以鲁道夫卡尔曼(Rudolf Kalman)命名，也就是卡尔曼理论的主要开发者。它是一种优化估算算法，在存在测量噪声的情况下，可以预测感兴趣的参数，例如位置，速度和方向。卡尔曼滤波器的常见应用包括制导与导航控制系统、计算机视觉系统以及信号处理。卡尔曼滤波器首批应用之一是在19世纪60年代，你能猜猜它能帮助我们做什么吗? 工程师们在阿波罗项目应用了卡尔曼滤波器，来估算载人航天器前往月球和返程的轨迹。