看了几篇文章之后,终于可以写出那么一点点自己的理解了。首先,要用这个算法必须先了解它的公式,而想要理解公式就要有概率论的基础,像我现在就没有,所以挺懵的,很多地方没搞清楚。因为本文主要讲卡尔曼的简单应用,那么讲得就是一维卡尔曼滤波的应用,也就是存在单个变量的情况,而且还是单传感器的输入。所以就直接给出在简单场景下的公式了,而不去推导公式,这样更容易理解和入手。
一条最简化的公式:
其中下标k是指当前的状态,举个例子,假设你现在要做的是测量不同时刻的室内温度,那么这个下标k就是指时间,带有下标的参数或变量就是指在k时间下的某某值;
是当前的估测值(本文中所说的估测值都是指运用卡尔曼的公式后所得的计算结果);
是卡尔曼增益(至于卡尔曼增益是什么可以先不去理会,知道这个名词就可以了);
是当前的测量值,也就是仪器测量到的那个数值;
是上一个状态的估测值。
接下来通过一个简单的例子(测量电压)讲应用卡尔曼滤波算法的过程。
原本想直接给出简单场景下的三条简单的公式,但