【卡尔曼滤波器】2_卡尔曼增益K推导

这篇博客详细介绍了卡尔曼滤波器中卡尔曼增益K的推导过程,从状态空间方程出发,探讨了如何通过先验估计和测量估计削弱过程噪声的影响。博客内容涉及状态变量、观测变量、噪声模型以及后验估计误差的协方差矩阵,旨在找到最优的卡尔曼增益,使后验估计误差最小化。
摘要由CSDN通过智能技术生成

CAN博士学习笔记
【卡尔曼滤波器】_Kalman Filter_全网最详细数学推导

推导过程

由上节我们推导出的状态空间方程如下:
X k = A X k − 1 + B U k − 1 + w k − 1 X_{k}=A X_{k-1}+B U_{k-1}+w_{k-1} Xk=AXk1+BUk1+wk1
z k = H X k + v k z_{k}=H X_{k}+v_{k} zk=HXk+vk
KaTeX parse error: Undefined control sequence: \label at position 19: …egin{equation} \̲l̲a̲b̲e̲l̲{E1} X_{k} = A …
x k x_k xk是状态变量,A是状态矩阵,B是控制矩阵, μ k − 1 μ_{k-1} μk1是控制, w k − 1 w_{k-1} wk1过程噪声
z k z_k zk是观测变量,H是观测矩阵, v k v_{k} vk测量噪声

在这里插入图片描述
VAR(方差)

由于我们在侧脸过程中是无法计算 w k − 1 w_{k-1}

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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