一、假设条件 不确定性：所有状态量服从高斯分布，每个状态量的高斯分布有均值和方差，方差代表不确定性； 相关性：用协方差矩阵描述状态量间的不确定关系，一个变量可能影响其他变量。为对称矩阵，其 ...

卡尔曼滤波的推导 1 最小二乘法 在一个线性系统中，若\(x\)为常量，是我们要估计的量，关于\(x\)的观测方程如下： \[y = Hx + v \tag{1.1} \] \(H\)是观测矩阵（或者说算符），\(v\)是噪音，\(y\)是观察量 ...

这两天学习了一些卡尔曼滤波算法的相关知识。相比其它的滤波算法，卡尔曼滤波在对计算量需求非常之低，同时又能达到相当不错的滤波结果。 1. 算法原理 网上看到一篇文章http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures ...

这两天学习了一些卡尔曼滤波算法的相关知识。相比其它的滤波算法，卡尔曼滤波在对计算量需求非常之低，同时又能达到相当不错的滤波结果。 1. 算法原理 网上看到一篇文章http://www.bzarg.com/p/how-a-kalman-filter-works-in-pictures ...

卡尔曼滤波是一种高效率的递归滤波器，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波在技术领域有许多的应用，常见的有飞机及太空船的导引、导航及控制。 卡尔曼算法主要可以分为两个步骤进行：预测和更新。基于最小均方误差为最佳估计准则，利用上一时刻的估计值和状态转移矩阵进行预测 ...

了解过导航、雷达数据处理的必然听过卡尔曼滤波，因为最近有项目需求，要验证一下卡尔曼滤波对结果的优化程度，所以入门学习一下卡尔曼滤波器。毕竟是经典的滤波器，网上关于卡尔曼滤波的代码和文章有很多，一维滤波的代码也很简单，就几条代码，拿来用很容易。但为了致敬卡神，则花时间潜心拜读了一些有关其背后思想 ...

对于一个正在运动中的小车来说，如何准确的知道它所处的位置？ 理论家说：我可以通过牛顿公式来计算！ 实践家说：给它装个GPS不就得了！ 好吧，你们说的听上去都很有道理，但我们到底该相信谁？ 现实情况是： 理论家没有考虑到现实存在的摩擦力、空气阻力、时间测量误差等因素，算出来 ...

卡尔曼滤波法 卡尔曼滤波算法是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，是一种最优化自回归数据处理算法。 通俗地讲，对系统 \(k-1\) 时刻的状态，我们有两种途径来获得系统 \(k\) 时刻的状态。一种是根据常识或者系统以往的状态表现来预测 \(k ...