看了很多篇关于卡尔曼滤波的,觉得这个描述我是能看懂的。
1、卡尔曼滤波简述:
目标:根据t-1时刻KF最优估计值,预测t时刻KF最优估计值
输入:t-1时刻最优估计值、t 时刻观测值(均符合高斯分布)
输出:t 时刻预测值(根据数学模型计算获得)、卡尔曼增益(优化问题,求解最优预测值)、t 时刻KF最优估计值(融合后新高斯分布的数学期望和均方差)
2个假设:状态方程和观测方程是线性的(非线性参考EKF),噪声均满足高斯分布
平衡小车(二维卡尔曼滤波):
输入:t-1时刻角度值(初始为0),t 时刻观测值(加速度计解算出的角度)
输出:t 时刻预测值(t-1时刻角度值+角速度*dt)、卡尔曼增益(公式迭代计算)、t 时刻实际值(公式迭代计算)
2、数学知识
标准差就是均方差
高斯分布:
N(μ,σ^2),其中μ,σ^2为分布的参数,分别为高斯分布的期望和方差。当有这两者确定值时,概率p(x)也就确定了,特别当μ=0,