文章目錄

• 一、卡爾曼濾波有什么用？
• 二、卡爾曼濾波是什么？
• • 狀態(tài)觀察器
  • • （1）狀態(tài)觀察器有什么作用？
    • （2）狀態(tài)觀察器的組成
  • 最佳狀態(tài)估計器
  • 卡爾曼濾波器
• 三、進一步學習

卡爾曼濾波（Kalman filtering）是一種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數據，對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法。由于觀測數據中包括系統(tǒng)中的噪聲和干擾的影響，所以最優(yōu)估計也可看作是濾波過程。

---

一、卡爾曼濾波有什么用？

• 數據A不能直接測量的情況下，使用卡爾曼濾波器通過數據B預測數據A
• 通過傳感器等測量數據有誤差時，通過卡爾曼濾波器進行優(yōu)化，減小誤差

二、卡爾曼濾波是什么？

狀態(tài)觀察器

（1）狀態(tài)觀察器有什么作用？

假設我們在開火箭，
火箭油箱過熱會炸，你需要時刻監(jiān)測溫度并調整燃油流量，
但是你不能直接測量油箱里面，因為溫度計會炸，
你可以測量油箱外面的溫度，你也知道燃油的流量，
現在你擁有強大的數學能力來做出一個模型能模擬整個過程，
只要模擬出來的油箱外部溫度=測量出來的溫度，
那么預測出來的油箱內部溫度肯定也是對的
但是你這個模型有很大的不確定性，因為你在太空不知道會發(fā)生什么，
所以，模擬出來的油箱外部溫度=測量出來的溫度是不可能的，
狀態(tài)觀察器能解決這個問題。

（2）狀態(tài)觀察器的組成

上文已經提到我們已經得出了數學模型，
需要解決的是算出來的和測出來的不匹配咋整，
于是我們加入了控制器K，
根據測量值來調整計算得出來的結果，
通過一系列的數學公式，
我們可以能夠盡可能的減小測量值與計算值的誤差
而如何處理這個K，
便是卡爾曼濾波方法

最佳狀態(tài)估計器

我們知道，
測量時總會有誤差，符合正態(tài)分布，
我們做出的數學模型，因為外界的干擾也會有誤差，也符合正態(tài)分布
因此我們將二者結合起來，通過數學方法（兩個概率函數相乘），
即可獲得最接近正確的結果
這便是最佳狀態(tài)估計器
下面我們將計算數學模型產生的誤差P

卡爾曼濾波器

第一步：用于預測的算法：用于計算狀態(tài)估計值和誤差協(xié)方差P（不確定性的度量）
在最開始k-1的值來自初始估計值
第二步：使用第一步的結果，更新x和P并計算，并調整Kk，使P最小，此時的P為當前狀態(tài)的誤差協(xié)方差
第三步：重復步驟進行迭代

三、進一步學習

• 傻瓜也能懂的卡爾曼濾波器
• 如何通俗并盡可能詳細地解釋卡爾曼濾波？

《新程序員》：云原生和全面數字化實踐50位技術專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的通俗理解卡尔曼滤波的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。