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: