Introduction to Estimation Filters 估计滤波器

Background

一、Estimation Systems

1、Some simple techniques, such as least square estimation or batch estimation, are sufficient in solving static or offline estimation problems. For online and real time (sequential) estimation problems, more sophisticated estimation filters are usually applied.

        least square estimation：最小二乘估计

        batch estimation：分批估计理论？？？

2、An estimation system is composed of a dynamic or motion model that describes the flow of the state and a measurement model that describes how the measurements are obtained. 

        典型的模型公式

二、 Noise Distribution

1、通常模型是有噪声的，比如动态模型可能有摩擦力，测量模型有校准误差。

 2、一般的，认为Xk（状态）、wk（噪声）是高斯分布的或者近似高斯分布的。这就是卡尔曼滤波方法，如果不是高斯分布的，就是非卡尔曼滤波方法。

三、Filter Design

1、 滤波的目标是更好的估计State，通过使用Dynamic Model和Measurement。

四、Prediction

1、预测阶段的目标，一是预测状态，二是计算协方差P。

2、协方差P的计算导致方法的不同，总结如下

        ①、LKF使用线性方程，很简单，计算量很小。

        ②、EKF使用线性近似的原理，有误差。

        ③、UKF使用无迹变化去采样协方差分布。

3、各个滤波器的区别就在于计算协方差P。

• A linear Kalman filter uses a linear equation to exactly propagate the covariance.

• An extended Kalman filter propagates the covariance based on linear approximation, which renders large errors when the system is highly nonlinear.

• An unscented Kalman filter uses unscented transformation to sample the covariance distribution and propagate it in time.

五、Correction

 1、更新阶段，就是乘以K系数。

 2、更新阶段还需要更新协方差矩阵。

六、Estimation Filters in Sensor Fusion and Tracking Toolbox 工具箱中的滤波器

1、LKF，线性卡尔曼滤波

        trackingKF，略

2、Alpha-Beta Filter，Alpha-Beta滤波

        trackingABF，K是常数，计算速度快。

        注：1、Alpha-Beta滤波也是k-1时刻状态的预测，与k时刻测量的融合。（我以前貌似没有做预测，而是用以前的x直接乘以系数，所以会滞后）

               2、也有协防差P矩阵，协方差矩阵也一直更新？？?程序里一直更新，但实际没有意义，因为K是固定的。

3、Extended Kalman Filter，扩展卡尔曼滤波

        trackingEKF，通过使用Jacobian matrices去代替A、H，通常使用一阶近似。在非线性不是很高、跟踪时间不是很长的时候，很好的替代性。

         球坐标：可以使用MSCEKF。

                spherical coordinates, you can use trackingMSCEKF

 4、Unscented Kalman Filter，UKF无迹卡尔曼滤波

        trackingUKF，暂时不懂~~~

 5、Cubature Kalman Filter

        trackingCKF，略

6、Gaussian-Sum Filter

        trackingGSF，略

7、Interactive Multiple Model Filter

        trackingIMM，略

8、Particle Filter

        trackingPF，略

七、如何选择滤波器

 八、后记

1、后面的滤波器，不知道具体含义，一个一个的学。工具箱中有11个滤波器。

2、每个滤波器都有小例子，但具体的算法需要进入m文件查看。

3、说明还介绍了具体的LKF、EKF，可以看看。