...

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 ...

我们写一个主程序，包括两个函数更新函数和预测函数，然后导入一系列测量和运动数据。 如果初始估计是5，非常好，但我们将其设置为mu=0，且不确定性非常高为sig=10000. 我们假设测量不确定 ...

卡尔曼滤波算法--核心公式推导导论 10 个月前 写在最前面：这是我第一篇专栏文章，感谢知乎提供这么一个平台，让自己能和大家分享知识。本人会不定期的开始更新文章，文章的内容应该集中在汽车动力学控制，整车软件架构，控制器等方面。作为一名在校硕士，很多理解都可 ...

code outputs ...

），并且速度很快，很适合应用于实时问题和嵌入式系统。　　在Google上找到的大多数关于实现卡尔曼滤波的数学公式 ...

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 ...