目录

卡尔曼滤波器公式

1、卡尔曼滤波公式如下

(1)预测方程:

预测状态向量=转换矩阵*上一时刻更新的状态向量 + 控制矩阵*当前的系统输入

/----------------------P推导 begin-----------------------------/

预测系统状态的协方差矩阵 = E[(状态向量-预测状态向量)(状态向量-预测状态向量)转置]

预测系统状态协方差矩阵 = 转换矩阵*上一时刻系统状态协方差矩阵*转换矩阵的转置+随机噪声*随机噪声转置

/----------------------P推导 end-----------------------------/

(2)更新方程:

/---------------------------------------辅助公式 begin-------------------------------------------------/

当前时刻测量值 = 测量矩阵*当前状态向量 + 测量噪声

测量值估计 = 测量矩阵*预测状态向量

/--------------------------------------辅助公式 end--------------------------------------------------/

状态向量估计 = 预测状态向量 + 卡尔曼增益(当前测量值-测量估计值)

卡尔曼增益 = 系统协方差矩阵*测量矩阵转置/(测量矩阵*系统协方差矩阵*测量矩阵转置)+高斯噪声

系统协方差矩阵 = 预测系统协方差矩阵 - 卡尔曼增益*测量矩阵*预测系统协方差矩阵

/-----------------P+推导 begin------------------------/

状态向量1:

状态向量2:

它们符合高斯分布,如下有,Rt为高斯噪声,

这两个状态向量的来源我们可以认为是独立的,因此他们的联合概率分布是各自概率分布的乘积。***重点是,高斯分布的乘积依旧是高斯分布!!!!***新的高斯分布的均值和方差有如下表达形式:

/-----------------P+推导 end----------------------/

本文是转载文章,点击查看原文
如有侵权,请联系 xyy@jishuzhan.net 删除
相关推荐
ChoSeitaku5 分钟前
NO.64十六届蓝桥杯备战|基础算法-简单贪心|货仓选址|最大子段和|纪念品分组|排座椅|矩阵消除(C++)
算法·矩阵·蓝桥杯
l1n3x8 分钟前
编译原理前端-词法分析
算法·编译原理
一只天蝎的晋升之路35 分钟前
基础算法之:动态规划
算法·动态规划
KangkangLoveNLP1 小时前
手动实现一个迷你Llama:使用SentencePiece实现自己的tokenizer
人工智能·深度学习·学习·算法·transformer·llama
独好紫罗兰1 小时前
洛谷题单3-P1420 最长连号-python-流程图重构
开发语言·python·算法
柯ran1 小时前
数据结构|排序算法(一)快速排序
数据结构·算法·排序算法
pipip.1 小时前
搜索二维矩阵
数据结构·算法·矩阵
uhakadotcom2 小时前
图像识别中的三大神经网络:Inception、ResNet和VGG
算法·面试·github
努力学计算机的小白一枚2 小时前
146. LRU 缓存 && 带TTL的LRU缓存实现(拓展)
算法·缓存
uhakadotcom2 小时前
DeepFM算法:提升CTR预估和推荐系统的强大工具
算法·面试·github