汽车学堂 自 动 驾 驶 决 策 与 控 制 算 法——现 代 控 制 理 论学习（二）

一、滤波问题

1.低通滤波器

上一时刻的输入 加 这一时刻的输入 的加权 平均。

上一时刻输入的权重	这一时刻输入的权重
a	1 - a

---

当前时刻输入值的权重越小越平滑，但是太大就会引起延迟。

低通滤波器的改进 ：1. 针对传感器数据中的突变、毛刺等 2. 去最值滤波 3. 移动平均滤波 4. 带遗忘因子的加权平均滤波

2.卡尔曼滤波

主要针对 ：滤高斯白噪声，状态估计（注意：KF是离散算法）

Q和R分别是系统噪声w和观测噪声v的方差。 K为卡尔曼增益！！
为上一时刻的估计值。

3.隆伯格状态观测器 vs 卡尔曼滤波器

隆伯格状态观测器	卡尔曼滤波器
观测器中的反馈增益Ke是定值	观测器中的反馈增益Kk是时刻在变的

4.扩展卡尔曼滤波

将非线性系统线性化后即可直接采用KF

二、二次规划（QP）

在换道的轨迹规划–横向的轨迹规划，纵向的速度规划是一种重要的轨迹规划算法之一！！


一般来说，如果自变量不为空集一定有解。可通过观察exitflag 来观察是若有解，如无解解决方法：1.可将等式移至到由化目标上，例如将Ax = b 变为 (Ax - b)^2 加入至 1/2 X^T Q X + c^T x 中去 ，即成为优化目标！！
2. 可将不等式约束增大，即不断增大边界。