【Kalman Filter】一维卡尔曼滤波电流检测实验

一、基础

本文是课程报告的一个记录总结，可以给之前没接触过但想要了解卡尔曼滤波算法提供一些入门资料，以及想快速实现实物搭建验证实验的同学提供实验设置、结果分析的思路及本人用到的代码。 因为刚接触卡尔曼滤波不久，难免有错误及不准确的地方，欢迎指出。有些内容参考自其他优秀博客，最后会给出参考链接，如有侵权，立即删除。

本文内容概述

本文主要讲述了一维卡尔曼滤波在电流滤波中的应用。首先简单讲解了対卡尔曼滤波原理的理解，然后介绍了卡尔曼滤波实验的的硬件电路及软件实现，提供源码下载。最后使用频谱分析了实验结果并进行总结。在参考资料部分推荐了个人看过的认为高质量的参考资料。

kalman滤波原理

卡尔曼滤波应用广泛，图像处理、目标跟踪、导航定位等都有应用，因此也有不同的推导方式，本文主要从控制部分対卡尔曼滤波进行介绍。卡尔曼滤波主要分为线性卡尔曼滤波、拓展卡尔曼滤波、无迹卡尔曼滤波等。分别适用于线性系统、若非线性和强非线性的系统。本文使用的是线性卡尔曼滤波，此后讲述的也主要是线性卡尔曼滤波的内容，其依赖于系统的状态空间方程（学过线性系统的了解状态空间模型的同学可能会比较熟悉，但没学过可以一样使用）。使用使用卡尔曼滤波器主要是将五个经典公式应用到算法中。 前人已经対卡尔曼滤波算法的原理叙述很详尽了，在此贴上几个个人认为讲的比较好的博客视频等资料【参考资料】

系统模型

当你使用传感器対某个数据进行测量时，为什么会测不准？因为有噪声。 那噪声从哪里来？一个是系统模型与真实物理模型直接并非完全相同的，另一部分是传感器本身具有测量误差。 而卡尔曼滤波使用统计方法，尽可能多的利用已知信息获得真实的目标信息。

系统的模型为

A ：表示状态转移系数矩阵，n×n 阶 B ：表示可选的控制输入的增益矩阵 Q ：表示过程激励噪声的协方差矩阵 H ：表示量测系数矩阵，m×n