本文通过浅显易懂的方式介绍了卡尔曼滤波的基本原理，强调其将统计学应用于滤波算法的独特之处。核心在于结合当前测量值、上一时刻预测量及误差，计算最优估计，并预测下一时刻的状态。文章解析了预测误差与测量误差的概念，以及它们如何独立于数据之外，遵循统计学规律更新。
学习卡尔曼滤波看了4天的文章,硬是没看懂.后来找到了下面的文章一下就看懂了.
我对卡尔曼滤波的理解,
我认为,卡尔曼滤波就是把统计学应用到了滤波算法上.
算法的核心思想是,根据当前的仪器"测量值" 和上一刻的 "预测量" 和 "误差",计算得到当前的最优量. 再 预测下一刻的量,
里面比较突出的是观点是. 把误差纳入计算, 而且分为预测误差和测量误差两种.通称为 噪声.
还有一个非常大的特点是,误差独立存在, 始终不受测量数据的影响.
上面的ppt有助于入门理解.
但是在编程的时候你会发现,解释里面的数值23 没有很明确的指出,是指的那个时刻的23 是预测的23 还是上一课测量的23
下面这段文字会有助于你更清晰的理解
卡尔曼滤波是统计学的程序表达.
要想深入理解,公式三 协方差的背后意义 需要学习统计学.
如果仅仅是使用的话,这5个公式套进程序里面还是很容易的.
看到这里如果你明白了原理, 你再回过头看看,会发现.误差是独立存在的. 误差不受数据的影响. 误差按照统计学的协方差公式更新, 跟数据无关.
而且误差是不断变化的.
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
