Kalman_Filter卡尔曼滤波器计算,陀螺仪卡尔曼滤波角度估算及代码

本文详细介绍了向量轴空间角度计算、正态分布、方差协方差概念以及在卡尔曼滤波中的应用,包括状态空间方程、协方差矩阵、卡尔曼增益的计算方法,以陀螺仪横滚角滤波为例,提供了完整的代码示例。

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

1.向量轴的空间角度角度计算

以横滚角为例,X轴旋转需要一个初始角度,Y、Z轴都会跟随X轴旋转而转动,我们认为Y轴平行于水平面时,横滚角Roll的角度为0。
从X轴观测,假设Y轴由水平面转动θ角度,则:

在这里插入图片描述
accY和accZ是Y、Z轴的加速度值。
从开始水平位置算起,随着θ的变大accY的数值增大(垂直分量增加)accZ的数值减小(垂直分量减小);
注:这里面与X轴是否水平无关,X轴处于非水平状态,Y、Z平面对于垂直坐标轴的投影会在计算时被消除。
在这里插入图片描述
同样地:俯仰角pitch角度α

在这里插入图片描述

2.正态分布

正态分布,是一种连续型概率分布。在统计学中,正态分布是最常见的分布之一,许多自然和社会科学现象都可以用正态分布来描述。
正态分布的概率密度函数是一个钟形曲线,曲线中心位于均值(μ),曲线的宽度由标准差(σ)决定。正态分布的曲线是对称的,均值、中位数和众数都位于曲线的中心。
正态分布可以表示为:
在这里插入图片描述
在:
在这里插入图片描述
的区间内,概率分布占比68.3%,标准差(σ)越小(方差也越小),则事件概率集中度越高,越接近平均值(μ),则数据波动越小。
从另一个角度观察,选取一个标准差(或方差)分布比较小的数据时,数据中的参数比较容易接近真实值。

在这里插入图片描述

3.方差、协方差

方差
方差是一种用来衡量一组数据离散程度的统计量。简单来说,方差越大,数据的离散程度就越高;方差越小,数据的离散程度就越低。
方差公式:
在这里插入图片描述
Xi为数据点,μ表示数据的平均值,N表示样本数;
方差>=0,表示数据的离散程度。

协方差
协方差是一个用于度量两个随机变量之间线性关系强度和方向的统计量。
协方差公式:

评论 5
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

打赏作者

LuDvei

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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