卡尔曼滤波

---

前言

啥都不懂，为了飞控项目，先学起来。https://www.bilibili.com/video/BV1Rh41117MT?p=3&spm_id_from=pageDriver
经典控制理论、现代控制理论、自动控制理论挖坑，大学不好好学，后悔去吧

---

1.概要

适用系统：线性高斯系统（线性：叠加性，齐次性。高斯：噪声满足正态分布）
宏观意义：滤波既是加权
理想状态：信号 x 1 + 噪声 x 0
    （低频信号 x 1 + 高频噪声 x 0     低通滤波）

2.基本滤波知识储备

1.状态空间表达式：

2.高斯分布：
（1）直观图解

(2)参数分析
高斯白噪声：wk（状态噪声）、vk（观测噪声）
观测噪声就是误差


3.超参数：
Q、R~pid
4.卡尔曼直观图解
上一时刻的估计值：^xk-1，
当前估计值：^xk·
当前时刻的观测值：yk = xk
当前时刻最优估计值：xk·（为当前估计值和当前观测值优化后的结果）

3.通俗公式理解

1.卡尔曼公式理解：

实现过程：使用上一次的最优结果预测当前的值，同时使用观测值修正当前的值，得到最优结果。

例子：


协方差公式：

那么先验估计协方差就可以写成：

那么先验估计协方差就有了：

以上是状态方程，接下来讲测量方程：
测量：

状态更新：


卡尔曼增益和Q、R都有关

2.调节超参数

化简之后可以看出K和Q、R都哟个关系，如果我们更信任观测值，那么将K调大，那么就可以将Q调大或者R调小。这是从公式层面理解，我们也可以从应用层面理解，当传感器的精度很好，那么我们就可以认为他的误差更小，也就是信任传感器，也就是R小。

3.卡尔曼滤波的使用

4.从理论到实践

以上公式和以下公式一样：

1.陀螺仪滤波：