在上一节中,我们对卡尔曼滤波器进行了简单的使用以及理解,为了更好的推到卡尔曼滤波器五大核心公式,我们补充两个数学知识,分别是数据融合和协方差矩阵。
1、数据融合
假如现在使用两个称测量同一个物体,测量的数据分别是Z1 = 30g,Z2 = 32g,两把尺子的误差分别是simga1 = 2g,simga2 = 4g,两次的测量结果均服从正态分布
根据,此时我们可以得到,
我们的目标就是求一个K的值使得sigmaZ最小,即方差Var(z(hat))最小。
对(1)式进行求导操作:
此时,我们得到的标准差就是1.79,当k = 0.2的时候,误差最小。
2、协方差矩阵
协方差矩阵代表了数据与数据之间的相关性,协方差的求法如下:
而协方差矩阵每个位置上分别代表两个相关变量之间的相关性,数值越大代表相关性越强,数据越小,代表相关性越小,协方差矩阵的主对角线上代表了数据自身和自身的相关性。
举例:
上图中分别是前年球星的身高体重年龄数据,右边为相关数据的协方差矩阵,可以看得出身高和体重之间的相关性比较强,而年龄和体重以及身高之间的相关性较弱,说明球星们随着年龄的增长身材并没有走样,同时也说明球踢的好坏与年龄并没有太大的关系。
其中C罗当时都已经是35岁的中年男人了,但是依然活跃在赛场上,我们作为年轻人有什么理由不努力。