huhuandk的博客

这篇主要讲kalman滤波的预测和更新过程，首相强调以下上篇（kalman滤波理解一：理论框架）所强调的连个理论原则：预测过程符合全概率法则，是卷积过程，即采用概率分布相加； 感知过程符合贝叶斯法则，是乘积过程，即采用概率分布相乘；（一）预测过程假设有一辆小车在路上行驶，其状态有位置p，速度v，我们用一个列向量来表示此时的状态：如果我问你，经过时间后，其位置和速度分别是多少？...

关于kalman滤波的学习，一直不得要领，看了很多书和文章但总觉得理解不透，究其原因就是这些书和文章都是采用数学理论推导的方法，而没有从实际应用中出发，本文就将我理解的kalman滤波进行介绍，灵感来源是优达学城的无人驾驶课程，里面老师对kalman滤波的介绍让我耳目一新： kalman滤波的理论框架是全概率法则和贝叶斯法则，在设定中假设预测和感知均有误差，且均服从...

事件的起因是下图1，朋友偶然说到一阶低通滤波器，借此来详细介绍一阶低通滤波器的原理，并附上matlab仿真程序代码。图1中的一阶低通数字滤波器的公式为Eq(1)：y(n) = q*x(n) + (1-q)*y(n-1)Eq(1)其中，y(n)表示当前的输出，x(n)表示当前的输入，y(n-1)表示上一次的输出（图1中的符号不标准，因为一般时域用小写，频域或Z域用大写）。Eq(1)为...