卡爾曼濾波

將預(yù)測(cè)值和測(cè)量值進(jìn)行結(jié)合辜荠,對(duì)系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計(jì)的算法命锄。

在連續(xù)變化的系統(tǒng)中使用卡爾曼濾波是非常理想的妥衣,它具有占用內(nèi)存小的優(yōu)點(diǎn)(除了前一個(gè)狀態(tài)量外,不需要保留其它歷史數(shù)據(jù))铁蹈,并且速度很快,很適合應(yīng)用于實(shí)時(shí)問題和嵌入式系統(tǒng)菱魔。

根據(jù)k-1時(shí)刻的系統(tǒng)狀態(tài)預(yù)測(cè)k時(shí)刻系統(tǒng)狀態(tài)拄丰。

k時(shí)刻系統(tǒng)狀態(tài),勻速變化假設(shè)

k時(shí)刻系統(tǒng)狀態(tài)各維度的協(xié)方差矩陣

矩陣表示

考慮外部因素控制的影響
外部因素會(huì)對(duì)系統(tǒng)進(jìn)行控制喜最,從而帶來一些與系統(tǒng)自身狀態(tài)沒有相關(guān)性的改變偎蘸。其中B_k成為控制矩陣,\vec{u_k} 稱為控制向量瞬内,如果沒有外部控制迷雪,這部分可以忽略。

引入外部控制因素

外部噪聲因素
在每次預(yù)測(cè)之后虫蝶,我們可以添加一些新的不確定性來建立這種與“外界”(即我們沒有跟蹤的干擾)之間的不確定性模型

引入外部不可控的噪聲

小結(jié):
由上兩式可知章咧,新的最優(yōu)估計(jì)是根據(jù)上一最優(yōu)估計(jì)預(yù)測(cè)得到的,并加上已知外部控制量的修正能真。 而新的不確定性由上一不確定性預(yù)測(cè)得到赁严,并加上外部環(huán)境的干擾。

加入傳感器觀測(cè)數(shù)據(jù)
卡爾曼濾波的一大優(yōu)點(diǎn)就是能處理傳感器噪聲粉铐,我們的傳感器或多或少都有點(diǎn)不可靠疼约,并且原始估計(jì)中的每個(gè)狀態(tài)可以和一定范圍內(nèi)的傳感器讀數(shù)對(duì)應(yīng)起來。 從測(cè)量到的傳感器數(shù)據(jù)中蝙泼,我們大致能猜到系統(tǒng)當(dāng)前處于什么狀態(tài)程剥。但是由于存在不確定性,某些狀態(tài)可能比我們得到的讀數(shù)更接近真實(shí)狀態(tài)踱承。
傳感器早上用協(xié)方差R_k表示倡缠,該分布的均值\vec{z_k}是我們讀取到的傳感器數(shù)據(jù)。
于是我們得到兩個(gè)高斯分布茎活,一個(gè)是預(yù)測(cè)值附近昙沦,一個(gè)是傳感器讀數(shù)附近。把兩個(gè)具有不同均值和方差的高斯分布相乘载荔,得到一個(gè)新的具有獨(dú)立均值和方差的高斯分布盾饮。
結(jié)果如下,其中懒熙,K為卡爾曼增益丘损。

兩個(gè)高斯分布

兩個(gè)高斯分布相乘結(jié)果

更新系統(tǒng)狀態(tài)

總結(jié):
我們可以用這些公式對(duì)任何線性系統(tǒng)建立精確的模型,對(duì)于非線性系統(tǒng)來說工扎,我們使用擴(kuò)展卡爾曼濾波徘钥,區(qū)別在于EKF多了一個(gè)把預(yù)測(cè)和測(cè)量部分進(jìn)行線性化的過程。


卡爾曼濾波

參考文章:
http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures/
https://blog.csdn.net/u010720661/article/details/63253509

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末肢娘,一起剝皮案震驚了整個(gè)濱河市呈础,隨后出現(xiàn)的幾起案子舆驶,更是在濱河造成了極大的恐慌,老刑警劉巖而钞,帶你破解...
    沈念sama閱讀 217,826評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件沙廉,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡臼节,警方通過查閱死者的電腦和手機(jī)撬陵,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,968評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來网缝,“玉大人巨税,你說我怎么就攤上這事》垭” “怎么了垢夹?”我有些...
    開封第一講書人閱讀 164,234評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)维费。 經(jīng)常有香客問我果元,道長(zhǎng),這世上最難降的妖魔是什么犀盟? 我笑而不...
    開封第一講書人閱讀 58,562評(píng)論 1 293
  • 正文 為了忘掉前任而晒,我火速辦了婚禮,結(jié)果婚禮上阅畴,老公的妹妹穿的比我還像新娘倡怎。我一直安慰自己,他們只是感情好贱枣,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,611評(píng)論 6 392
  • 文/花漫 我一把揭開白布监署。 她就那樣靜靜地躺著,像睡著了一般纽哥。 火紅的嫁衣襯著肌膚如雪钠乏。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,482評(píng)論 1 302
  • 那天春塌,我揣著相機(jī)與錄音晓避,去河邊找鬼。 笑死只壳,一個(gè)胖子當(dāng)著我的面吹牛俏拱,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播吼句,決...
    沈念sama閱讀 40,271評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼锅必,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了惕艳?” 一聲冷哼從身側(cè)響起搞隐,我...
    開封第一講書人閱讀 39,166評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤分蓖,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后尔许,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,608評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡终娃,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,814評(píng)論 3 336
  • 正文 我和宋清朗相戀三年味廊,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片棠耕。...
    茶點(diǎn)故事閱讀 39,926評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡余佛,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出窍荧,到底是詐尸還是另有隱情辉巡,我是刑警寧澤,帶...
    沈念sama閱讀 35,644評(píng)論 5 346
  • 正文 年R本政府宣布蕊退,位于F島的核電站郊楣,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏瓤荔。R本人自食惡果不足惜净蚤,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,249評(píng)論 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望输硝。 院中可真熱鬧今瀑,春花似錦、人聲如沸点把。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,866評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽郎逃。三九已至哥童,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間褒翰,已是汗流浹背如蚜。 一陣腳步聲響...
    開封第一講書人閱讀 32,991評(píng)論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留影暴,地道東北人错邦。 一個(gè)月前我還...
    沈念sama閱讀 48,063評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像型宙,于是被迫代替她去往敵國和親撬呢。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,871評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容