標籤:

Kalman Filter

Kalman Filter

基本假設

  • 被建模的系統是線性的
  • 影響測量的雜訊是高斯分布的白雜訊

第一條假設是指k時刻的系統狀態可以用某個矩陣與k-1時刻的系統狀態的乘積表示。

第二條假設是指雜訊與時間不相關,且只用均值和協方差就可以準確地為幅值建模。

更新公式

1 . 預測方程

預測狀態: x_{predict}=A  x_{last\_update}+B u_{last}

預測協方差矩陣: P_{predict}=AP_{last\_predict}A^T+Q

2 . 更新方程

卡爾曼係數更新K=P_{predict}H^T(HP_{predict}H^T+R)

狀態更新: x_{update}=x_{predict}+K(Z-Hx_{predict})

協方差矩陣更新: P_{predict}=(I?KH)P_{predict}


推薦閱讀:

我是如何被一隻貓馴化的
吸貓大會:英短金漸層Pisco
吸貓大會:布偶貓Milo
數學+X | 確認眼神,是吸貓的人! 喵星人花紋都遵循這一點
貓咪懷孕生產時間

TAG: |