![45e07e3bb4f286e4ed338dec779c20d2.png](https://i-blog.csdnimg.cn/blog_migrate/d723a7cbe37ecca0999ac17e2384c7fa.jpeg)
卡尔曼滤波的基本原理可以参考:
ARUANTOU:基础卡尔曼滤波zhuanlan.zhihu.com![ce075e774327898c1e847e48039e7892.png](https://i-blog.csdnimg.cn/blog_migrate/f8e237e09653cd83a67bfa521b62432b.jpeg)
我们都知道卡尔曼滤波在噪声和量测噪声为不相关、零期望的白噪声,且是线性系统,初始时刻的状态估计是无偏的条件下,才能保持无偏的特性。而具有无偏特性的卡尔曼滤波算法是有解的,可以计算出最终的定位位置。也称可观的。
要理解可观性,我们需要先看看带有输入误差的卡尔曼滤波。
现实是存在很多非线性的运动,以及未知的测量和运动误差。这样一来传统的线性卡尔曼滤波就显得太过理想了。我们需要调整下它的实现:
假设运动观测模型如下:
预测:
观测:
标记*为后验
现在需要对这个模型考虑误差,先考虑未知的输入偏差U