卡尔曼_扩展卡尔曼滤波算法实例解析

本文将以车辆三自由度模型为基础，利用扩展卡尔曼滤波，通过车辆的侧向加速度来估计横摆角速度、质心侧偏角、纵向速度等三个参数，通过一个实际的仿真案例来进行具体介绍扩展卡尔曼滤波的使用。

一般地，卡尔曼滤波会选择比较容易获取的参数，来估计不易测量的参数。

在这里，脚主把卡尔曼参数估计仿真分为四个步骤：

1)车辆模型搭建；

2)扩展卡尔曼滤波算法搭建；

3)模型整合及仿真工况设置；

4)仿真及结果分析。

车辆模型搭建

本例中，利用车辆三自由度模型(如下图)进行参数估计，需要知道车辆的输入信号(车轮转角、纵向加速度)和输出信号(侧向加速度)，所以需要自己搭建一个车辆模型来创造这些数据。即对车辆模型输入一个方向盘转角和纵向加车速，得到侧向加速度。

在实车上，这一步是可以忽略的，因为我们可以通过传感器直接测量卡尔曼滤波所需的信号。

脚主暂时选择比较简便的方法，借助carsim中的车辆模型来完成这项工作，仅需要设置好我们关注的车辆基本参数及信号接口即可。

质心到前后轴距离、沿Z轴转动惯量、质量设置位置如下图。