卡尔曼滤波器
在信号处理、通信和现代控制系统中,需要对一个随机动态系统的状态进行估计。由一个测量装置对系统状态进行测量,这个测量过程是间接的和有噪的,通过记录的观测值对状态进行最优估计,并且这种估计是递推进行的,这是卡尔曼滤波(Kalman Filter,KF)所解决的问题。
![在这里插入图片描述](https://img-blog.csdnimg.cn/d3bd9b393741416db31ac80314e6292a.png)
目的是找到信号x 的估值 ,。并且希望能对所有的k值都能找到对应的估值。
第一步:建立模型
![在这里插入图片描述](https://img-blog.csdnimg.cn/6994f9c567f34bbf80aa8f0b9fe70485.png)
过程噪声和测量噪声互相统计独立。
噪声参数越接近实际,输出真实值就越好。
第二步:开始过程
决定一些必要的参数以及初始值。
![在这里插入图片描述](https://img-blog.csdnimg.cn/4a00a6c439f248ee9cefb8244eb26c65.png)
第三步:迭代
记住:前一状态的估值将成为当前状态的输入。
![在这里插入图片描述](https://img-blog.csdnimg.cn/7fc28d8715144bcb942041cbf93c0696.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/99792304bbd942949182f048c8b66a1f.png)
基于卡尔曼滤波器的PID控制
卡尔曼