qiuqiyuebai的博客

1.卡尔曼滤波的基本认知维纳滤波主要用于平稳信号的处理，作用于频域信号，对于非平稳信号效果无法达到预设的效果。卡尔曼滤波可以用于线性以及非线性控制问题，也可以用于平稳以及非平稳信号的滤除，主要作用于时域信号。2.卡尔曼滤波的基本原理常见的状态量：状态估计值：X(k|k)，利用k时刻的预测值与测量值对k时刻系统状态进行估计状态矢量：x(k)，N维激励矢量：w(k)，P维状态转移矩阵：U(k+1,k)表示时刻k到k+1的状态转移，NN激励转移矩阵：V(k+1,k)表示k到k+1的激励转移，NN

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

经典滤波器以及现代滤波器分类介绍1.经典滤波器信号有用成分与干扰成分不叠加，各自占据一部分频段，可以采用线性滤波器进行滤波，对于频率重叠的情况无法处理常见的经典滤波器：IIR，FIR，陷波等滤波器设计指标包括①通带衰减滤波器衰减是指信号经过滤波器后信号强度的减少,专指信号功率幅度损失,等于20*log(输出功率/输入功率，单位为分贝(dB).②阻带衰减在通带中，有部分信号通，部分信号阻，而阻的部分不能不能全部阻断，只有部分衰减，部分留了下来，最小衰减描述了阻碍受阻信号的能力，衰减越大，则能力

粗略解释：利用多个维度的信息对下一刻的结果进行估计，需要考虑干扰以及误差的影响1.现存在一个可观测信号，维度不定假设为N，参数来源不定，首先假设不同参数对结果的影响分布概率以及方差2.计算不同维度参数之间的协方差，构建一个NN维的协方差矩阵A（表示信号预测的方向），以及不同维度信息构成的状态矩阵B（表示信号更新的状态）3.假设存在矩阵F，使得现有状态通过F对下一时刻的状态B1进行预测，则F为状态预测矩阵,状态更新的方程为B1=FB,A1=FAF(T),A1为A的下一时刻估计值，F(T)为F的转置4.