本文深入介绍卡尔曼滤波算法，先通过小车示例感性认识，阐述其使用条件、原理、应用领域等。接着进行理论储备，介绍概率相关概念。然后推导KF，分析无法得到真实值的原因，给出预测模型、先验估计等内容，还提及初始参数取值，最后指出其与状态观测器的关系。
卡尔曼看波不滤波
0.前言
读研究生时，不知听谁说过：研究滤波算法毕业足够了。这句话足够证明滤波算法在控制领域扮演着一个重要的角色，因为如果一个优秀的滤波算法得到应用，即使pid算法的控制性能也能吊打很多当前热门的如mpc、滑膜、反步法、深度学习等智能控制算法。什么是卡尔曼滤波算法，它作用是啥，应用领域是啥，它的优缺点是啥，限制条件是啥，发展瓶颈是啥，当前的研究焦点是啥，接下来请各位读者与我一起进入卡尔曼的其妙世界去探索答案吧…
1. 感性认识卡尔曼滤波
（1）有一辆小车，在一个水平轴上向右行驶，它的初始位置我是用脚测量的，非常不准，但我能确定这个位置在一个高斯分布的范围内，如图：
（2）此外，我还可以用眼睛大概看出来小车的速度，现在我就可以根据我刚刚用脚测得的位置和我目测的速度，大概估计下一秒它的位置，它大概运动到了这个位置：
订阅专栏 解锁全文
扫一扫
3631
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
