卡尔曼滤波器

参考与笔记

卡尔曼滤波器的原理以及在matlab中的实现->youtube

推测包含噪声，噪声越大，不确定性就越大，不确定性用协方差矩阵来表示。
一维

二维（独立，相关性）

对角线上是的值是两个维度的方差，
反对角线上的两个值是相等的，是他们的协方差
这个矩阵叫协方差矩阵
每一个时刻的状态的不确定性用P表示

预测模型本身带来的噪声。这个公式表示了不确定性在各个时刻的传递关系。

测量值为Z
观察矩阵H
观测值的噪声v

zt-Hx-：实际的观测值和预期的观测值的残差
K：卡尔曼系数
看相信观察模型多一点合适相信预测模型多一点，K还可以将观察域到状态域。

总结

用当前的观测值对观测值进行修正，以此来实现最佳的观测值的实现。

代码

Z=(1:100); %观测值
noise=randn(1,100);%方差为1的高斯噪声。
Z=Z+noise;X=[0;0];% 状态（初始）（不是非常重要）
P=[1 0; 0 1];%状态协方差矩阵（不是非常重要）
F=[1 1; 0 1];%状态转移矩阵
Q=[0.0001, 0; 0 0.0001];%状态转移协方差矩阵（对状态转移矩阵有信心）
H=[1 0];%观测库镇
R=1; %观测噪声方差（根据noise）而定figure;
hold on;for i=1:100X_=F*X;%没有控制量P_=F*P*F.'+Q;K=P_*H'/(H*P_*H.'+R);X=X_+K*(Z(i)-H*X_);P=(eye(2)-K*H)*P_;plot(X(1),X(2),"xb");%横轴是位置，纵轴是速度
end
hold off;

仿真结果

【滤波器】各种滤波器的理解与学习相关推荐

Pytorch----卷积神经网络(CNN，图像边缘检测 , Sobel滤波器 , Scharr滤波器)--入门级小实例（逐行注释）---学习笔记
题目:对任意图片进行简单卷积操作,并提取图片的边缘信息文章目录小练习~卷积实例小练习~边缘特征提取实例关于边缘检测的原理 Sobel滤波器 Scharr滤波器本次使用图片: 小练习~卷积实例 ...
收藏 | 一文带你深入理解深度学习最新进展
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散仅作学术分享,不代表本公众号立场,侵权联系删除本文整合自机器之心.网络资源 AI博士笔记系列推荐周志华<机 ...
高斯滤波的理解与学习
高斯滤波的理解与学习微信公众号:幼儿园的学霸目录文章目录高斯滤波的理解与学习目录前言高斯函数一维高斯函数二维高斯函数高斯滤波过程高斯核求解利用高斯核滤波高斯滤波步骤高斯滤波 ...
卡尔曼滤波器(4) -- α−β−γ滤波器(例3例4总结)
This blog is translated from https://www.kalmanfilter.net/default.aspx. It's an excellent tutorial a ...
卡尔曼滤波器(3) -- α−β−γ滤波器(例2)
This blog is translated from https://www.kalmanfilter.net/default.aspx. It's an excellent tutorial a ...
卡尔曼滤波器(2) -- α−β−γ滤波器(例1)
This blog is translated from https://www.kalmanfilter.net/default.aspx. It's an excellent tutorial a ...
通信原理 | 滤波器：滤波器的概念、理想滤波器和实际滤波器
滤波器的概念: 狭义: 滤波器是一种选频装置,能让信号中某些特定的频率成分通过,极大地衰减其他频率成分. 广义: 任何能够改变信号频率成分的装置都可以被看作滤波器滤波器的分类按照滤波器对频率筛选的 ...
由线性回归来理解深度学习的理论基础
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达这会是一篇比较长的文章,本来应该是分几次来po,但考虑到这个话题的 ...
干货合集 | 带你深入浅出理解深度学习（附资源打包下载）
作者:Shashank Gupta 翻译:倪骁然校对:卢苗苗本文约2300字,建议阅读10分钟. 本文提供资源帮助你在放置一个conv2d层或者在Theano里调用T.grad的时候,了解到在代码 ...

【滤波器】各种滤波器的理解与学习

滤波器

卡尔曼滤波器

参考与笔记

代码

仿真结果

【滤波器】各种滤波器的理解与学习相关推荐

最新文章

热门文章