【GL09】(算法)卡尔曼滤波

一、简介

卡尔曼滤波(Kalman Filter)是一种有效的递归滤波器(自回归滤波器),它能够从一系列的包含统计噪声的测量中估计动态系统的状态。卡尔曼滤波广泛应用于信号处理、控制理论、自动驾驶、金融等领域。

基本公式:假设系统状态方程和测量方程为:

二、卡尔曼滤波器

cpp 复制代码
//1. 结构体类型定义
typedef struct 
{
    float LastP;//上次估算协方差 初始化值为0.02
    float Now_P;//当前估算协方差 初始化值为0
    float out;//卡尔曼滤波器输出 初始化值为0
    float Kg;//卡尔曼增益 初始化值为0
    float Q;//过程噪声协方差 初始化值为0.001
    float R;//观测噪声协方差 初始化值为0.543
}KFP;//Kalman Filter parameter

//2. 以高度为例 定义卡尔曼结构体并初始化参数
KFP KFP_height={0.02,0,0,0,0.001,0.543};

/**
 *卡尔曼滤波器
 *@param KFP *kfp 卡尔曼结构体参数
 *   float input 需要滤波的参数的测量值(即传感器的采集值)
 *@return 滤波后的参数(最优值)
 */
 float kalmanFilter(KFP *kfp,float input)
 {
     //预测协方差方程:k时刻系统估算协方差 = k-1时刻的系统协方差 + 过程噪声协方差
     kfp->Now_P = kfp->LastP + kfp->Q;
     //卡尔曼增益方程:卡尔曼增益 = k时刻系统估算协方差 / (k时刻系统估算协方差 + 观测噪声协方差)
     kfp->Kg = kfp->Now_P / (kfp->NOw_P + kfp->R);
     //更新最优值方程:k时刻状态变量的最优值 = 状态变量的预测值 + 卡尔曼增益 * (测量值 - 状态变量的预测值)
     kfp->out = kfp->out + kfp->Kg * (input -kfp->out);//因为这一次的预测值就是上一次的输出值
     //更新协方差方程: 本次的系统协方差付给 kfp->LastP 威下一次运算准备。
     kfp->LastP = (1-kfp->Kg) * kfp->Now_P;
     return kfp->out;
 }

/**
 *调用卡尔曼滤波器 实践
 */
int height;
int kalman_height=0;
kalman_height = kalmanFilter(&KFP_height,(float)height);
相关推荐
为啥不能修改昵称啊11 分钟前
静态数据区,堆,栈
java·jvm·算法
zx_zx_12318 分钟前
stack和queue --->容器适配器
开发语言·c++·算法
laocooon52385788631 分钟前
代码之玫瑰。C++
前端·算法
colman wang40 分钟前
数据结构和算法入门
数据结构·算法
zsc_1181 小时前
(C++回溯算法)微信小程序“开局托儿所”游戏
c++·算法·游戏
攻城狮7号2 小时前
【5.7】指针算法-快慢指针解决环形链表
数据结构·c++·算法·链表
L_cl2 小时前
数据结构与算法——Java实现 51.力扣700题——二叉搜索树中的搜索操作
算法·leetcode·职场和发展
passer__jw7672 小时前
【LeetCode】【算法】160.相交链表
算法·leetcode·链表
观音山保我别报错2 小时前
C语言中的希尔排序
c语言·算法·排序算法
白榆maple2 小时前
(蓝桥杯C/C++)——基础算法(上)
c语言·c++·算法·蓝桥杯