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。
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
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
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.9
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型
390
6040
2501
2797
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
