卡尔曼滤波器

作者: f81f045af009 | 来源:发表于2017-12-17 17:11 被阅读0次
卡尔曼滤波器

姓名:李嘉蔚学号:16020520034

【嵌牛导读】:本帖讲一讲如何直观的理解卡尔曼滤波器,因为著名的五大公式一点都不直观。

【嵌牛鼻子】:卡尔曼滤波器。五大公式。

【嵌牛提问】:如何推导五大公式?

【嵌牛正文】:

我们先把卡尔曼滤波器什么的先抛在一边,想一想传感器的问题。我们知道,传感器总是会有一些误差,好的传感器误差小一些,差的传感器误差大一些,而且误差一般可以理解为服从正态分布。

所以我们可以把传感器看成服从某个正态分布的随机变量。

当我们手上仅有一个传感器的时候,可以多做几次测量取平均值,因为噪声加噪声还是一倍的噪声,真实值加真实值是两倍的真实值,再除以二,真实值恢复为一倍,噪声变弱0.5倍。也可以这么理解:

卡尔曼滤波器

可见方差变小了

要是手上有两个传感器呢?

卡尔曼滤波器

我们一般会给两个传感器各分一个权重:【图片】

卡尔曼滤波器

这样,x^也是个服从正态分布的随机变量:【图片】

卡尔曼滤波器

与上一楼一样,我们希望其方差最小,要这么算:【图片】

卡尔曼滤波器

这样我们得到了最优解

接上楼,我们用P表示随机变量的方差,再把上面两个式子变一下形式:【图片】

卡尔曼滤波器

总结一下,若是两个传感器的方差可以知道或者脑部出贴近的,则按照下面两个式子,可以计算出最优的值,以及该值的方差。

好了,下面来看一看另一个问题:现在确实只有一个传感器,怎么办?呵,如果我们还能知道系统的方程,就可以从数学上推断一个值,这个值与传感器得到的值不相关,那么上楼的公式就可以套用。

我们看简单地线性系统,它的系统方程与传感器方程假设如下:【图片】

卡尔曼滤波器

其中H非奇异。

现在我们把x的两个估计值给出来:【图片】

卡尔曼滤波器

然后看看它们的分布:【图片】

卡尔曼滤波器

OK!这下满足公式要求了,我们把这两个式子带入4楼的公式(W,V用来表示系统的噪声,在这里不带入):【图片】

卡尔曼滤波器

恭喜!原始的卡尔曼滤波器出现了!只要源源不断用Xk^替代Xk-1,P(Xk^)替代P(xk-1),就能一直预测下去了。

这一楼我们把上楼的“朴素公式“变成五大公式。

首先,处理一下H的逆,那一大坨分式上下同时左乘H,右乘H的逆:【图片】

卡尔曼滤波器

把分子的H提出来(注意分式是个数字,所以H与剩下的可交换):【图片】

卡尔曼滤波器

我们用Kg(k)来表示剩下的一大坨(嗯,人们都叫它”卡尔曼增益“)同时处理一下括号里的H的逆:【图片】

卡尔曼滤波器

继续替代括号里的复杂玩意:【图片】

卡尔曼滤波器

呵,五大公式出现了!

相关文章

  • 文科生也能懂的卡尔曼滤波理论小释

    纪念卡尔曼滤波器发明60周年 零数学基础 最近我想写点关于卡尔曼滤波器的科普材料,一查今年恰好是卡尔曼博士发表他那...

  • 图文并茂,卡曼滤波

    ​卡尔曼滤波是如何工作? 看图说话! 我务必向大家介绍卡尔曼滤波器(Kalman Filter),因为它之所能, ...

  • 【Intro2SDC】卡尔曼方程参考

    卡尔曼方程参考 卡尔曼滤波器方程 变量定义 - 状态向量 - 状态转移矩阵 - 误差协方差矩阵 - 过程噪声协方差...

  • 卡尔曼滤波器 opencv

    卡尔曼滤波器 opencv http://blog.csdn.net/akunainiannian/article...

  • 深入理解互补滤波器

    低通滤波器:滤掉高频噪声高通滤波器:滤掉低频噪声互补滤波器:滤掉部分高频噪声和部分低频噪声卡尔曼滤波器:动态版本的...

  • 卡尔曼滤波器

    姓名:李嘉蔚学号:16020520034 【嵌牛导读】:本帖讲一讲如何直观的理解卡尔曼滤波器,因为著名的五大公式一...

  • 卡尔曼滤波器

    是一种滤波算法 应用场景:传感器数据融合与状态估计。比如你有一个加速度计,又有陀螺仪或GPS 。假设当前状态值可靠...

  • 卡尔曼滤波器

    简单的insignt 方程中,下标上的k是状态。在这里我们可以将其视为离散的时间间隔,例如k=1表示1ms,k=2...

  • 源码阅读:使用Cartographer进行毫米波SLAM(番外篇

    老版本的滤波器用卡尔曼滤波 ,也就是做位姿预估的时候用卡尔曼 新版本改成位姿差值器 有些新特性 common 普...

  • 卡尔曼滤波器之调参

    Dirty hands 在一整套卡尔曼滤波理论和公式学完之后,你终于觉得大功告成,开始设计第一个卡尔曼滤波器。 但...

网友评论

    本文标题:卡尔曼滤波器

    本文链接:https://www.haomeiwen.com/subject/fqquwxtx.html