工程数学
文章平均质量分 91
工程实用型的数学知识,包括线性代数、概率论、微积分、李代数和数值分析。
herr_edoc
双鸭山码农,擅长砍柴、喂猪、递毛巾
展开
-
卡尔曼滤波公式推导(2)
上一篇文章从概率密度函数的角度推导了卡尔曼滤波公式(卡尔曼滤波公式推导(1)),接下来从矩阵的最小二乘法的角度来推导。在预测和更新阶段分别能得到两个近似状态向量真实值的值,记为x^predict=x^k−\hat x^{predict}=\hat x_k^{-}x^predict=x^k−和x^measure=Hk−1zk\hat x^{measure}=H_k^{-1}z_kx^measure=Hk−1zk,通过加权平均(互补滤波)得到最终的后验估计值x^k=x^predict+G(x^measu原创 2021-08-01 13:21:11 · 341 阅读 · 0 评论 -
卡尔曼滤波公式推导(1)
一、背景知识卡尔曼滤波器和其衍生出来的一系列滤波器被验证是行之有效的多源数据融合方法,在工程上有广泛的应用。大家都知道卡尔曼滤波器分为预测和更新两个过程,一共有5个公式,但是很多人不知道公式是怎么推导出来的。这两篇文章会用两种方式详细推导卡尔曼滤波器的公式。卡尔曼滤波器的5个经典公式如下:预测(时间更新过程)x^k−=Akx^k−1+Bkuk+wk\hat x_k^{-}=A_k\hat x_{k-1}+B_ku_{k}+w_kx^k−=Akx^k−1+Bkuk+wkP^k−=AkPk原创 2021-07-31 00:37:56 · 694 阅读 · 0 评论 -
一种计算标准差的高效方法:Welford迭代法
标准差(Standard Deviation)是概率统计学上非常重要的概念,它被用来描述一组数据的离散程度。根据标准差的定义,总体标准差σ表示为:而样本标准差S表示为:总体标准差还有另外一种表示方式:以上的两种总体标准差计算方法都有三个明显的问题:代码实现时需要用一个数组来保存所有要计算的数据,如果数据比较大,那么会耗费非常大的空间。计算时需要对数组总体进行两次遍历,一次计算平均值,一次计算平方,数据较多时耗时也非常大。对于数据整体差距不大的情况,由于对接近0的浮点数做了平方计算,在数据非常多原创 2020-09-27 23:48:25 · 5844 阅读 · 0 评论 -
龙格库塔(Runge-Kutta)法求四元数微分方程
文章目录一、背景知识1. 坐标系2. 四元数四元数的矩阵形式四元数与旋转的关系二、数学模型1. 四元数微分方程2. 四元数微分方程的矩阵形式三、常微分方程的初值问题1. 欧拉法2. 显式梯形法3. 中点法4. 泰勒法5. 龙格库塔法龙格库塔法的一般形式四阶龙格库塔法四、龙格库塔法求解四元数微分方程五、四元数转欧拉角一、背景知识陀螺仪是一种测量角运动的装置,在导航、运动检测、姿态检测等方面有着非...原创 2020-03-16 00:45:23 · 10192 阅读 · 3 评论 -
线性代数:矩阵的逆
关于矩阵的逆有很多性质和定理,例如,可逆矩阵一定是方阵、满秩矩阵、非奇异矩阵,可逆矩阵的行列式的值不为零等等。在证明一个矩阵是不可逆矩阵时,Strang教授讲了一种几何的思路:矩阵不可逆的证明根据可逆矩阵的定义,如果方阵A∗B=I\mathbf{A} * \mathbf{B}=\mathbf{I}A∗B=I,则A\mathbf{A}A和B\mathbf{B}B互称逆矩阵。下面是一个二维不可逆矩...原创 2020-03-07 20:05:03 · 1758 阅读 · 0 评论 -
线性代数:矩阵乘法
矩阵B\bf BB右乘矩阵A\bf AA,则相当于对A\bf AA进行列变换,矩阵B\bf BB左乘矩阵A\bf AA,则相当于对A\bf AA进行行变换。矩阵A\bf AA和矩阵B\bf BB相乘的结果C\bf CC是A\bf AA的线性组合。假设矩阵A=[a11a12a13a21a22a23a31a32a33]=[col1col2col3]=[row1row2row3]\mathbf{A}=...原创 2020-03-07 19:59:09 · 908 阅读 · 0 评论 -
线性代数:方程组的几何解释
假设有方程组A[xyz]=b\bf A\begin{bmatrix} x \\ y \\ z \end{bmatrix}=\bf bA⎣⎡xyz⎦⎤=b,A=[col1col2col3]\bf A = \begin{bmatrix}\bf col_1&\bf col_2&\bf col_3\end{bmatrix}A=[col1col2col3],可以看成x∗co...原创 2020-03-07 19:57:22 · 280 阅读 · 0 评论 -
线性代数
最近有三个物理学家和著名数学家陶哲轩一起发表了一篇文章,文章揭露了一个线性代数新发现–矩阵特征向量的新解法,该解法减少了求解特征向量时的计算量,不管是对科学界还是科技领域而言都是有非常重要意义的。虽然看不懂这种新解法,但是在实际工作中也感受到了线性代数的重要性和魅力,于是决定重新学习和整理一些线性代数的基础知识。这个系列文章主要来自听MIT的Gilbert Strang教授的线性代数课程后做...原创 2020-03-07 19:55:51 · 180 阅读 · 0 评论