卡尔曼滤波——最优状态估计 知识总结(一)

本文概述了B站Can老师课程,涵盖递归算法优化、数学基础如数据融合与协方差矩阵,深入解析卡尔曼增益的数学推导,以及误差协方差矩阵和完整公式。还介绍了扩展卡尔曼滤波(EKF)的非线性系统处理和线性化方法。关键概念包括线性化、卡尔曼中线性表达和观测器。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

根据b站can老师的课程进行的思维导图的梳理;
https://www.bilibili.com/video/BV1dV411B7ME/?spm_id_from=333.788
1.递归算法:最优化递归数字处理算法
2.数学基础:数据融合;协方差矩阵;观测器;
3.卡尔曼增益超详细数学推导
4.误差协方差矩阵;卡尔曼完整的五个公式

5扩展卡尔曼滤波ekf:非线性系统;卡尔曼中线性表达;
所以需要对其线性化
根本:线性化一个系统,需要找到一个点x0,在其附近进行线性化
在这里插入图片描述

对于这几讲课程的更详细总结可参考有其他朋友做的笔记:
https://blog.youkuaiyun.com/py431382/article/details/109854357

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值