授之以渔：卡尔曼滤波器 ....大泻蜜 .........................

2018-12-28 17:35

先来学习

2018-12-28 18:56

highgear 发表于 2011-12-6 21:23
首先回顾一下传统数字滤波器。

对于一个线性时不变系统，施加一个输入 u(t) ，我们可以得到一个输出 y(t) ...

感谢分享！

2019-3-24 22:25

学习了

2019-5-6 10:33

本帖最后由 mantianfeiwu 于 2019-5-6 10:34 编辑

mark一下，讲的很好

2019-5-25 12:20

如果速度没有要求。比实际的方法是1000元左右能卖一个4 3/4 的带串口通信的自动量程的万用表直接连电脑或单片机ok了

2019-5-25 17:05

这段时间研究了一下卡尔曼滤波器，有一些心得，写出来与大家分享。

卡尔曼滤波器与我以前讲过的FIR, IIR 滤波器完全不一样，与其说属于滤波器，不如说是属于最优控制的范畴。下面的内容涉及相当多的控制理论知识，对于在这方面不足的同学可能有些吃力。不过不要紧，大家关注结果，会应用就够了, 那些晦涩的理论和推导可以忽略。我也会用图片让大家更直观的理解卡尔曼滤波器。

2019-5-31 10:43

卡尔曼，收藏了

2019-5-31 17:30

mark

2019-6-4 09:47

2019-6-6 13:59

向大佬学习一下，正好最近在搞相关滤波算法

2019-11-5 17:17

mark

2020-5-21 15:40

这个是老楼了。类似的卡尔曼滤波，不经常用，但要经常复习。

2020-7-22 16:51

顶一下

2020-7-28 09:48

学习了，很有帮助，多谢楼主！另外确认一下，4楼图中Wj是系统噪音吧？

2020-7-29 12:49

本帖最后由 gilberth 于 2020-7-29 18:23 编辑

还在学习领悟中，结合其它资料在消化，对比，先谈一点受益之处：我现在对dead reckoning 中dead这个单词的理解感觉更透彻了，其实就是这个例子中的“蒙上眼睛”，也就是与外部的观测交互是没有的，蒙头靠自己的内部传感器（惯性单元等）推算。反之卡尔曼滤波是有外部的观测这一个因素，然后才是通过线性代数、概率论等方法、工具去排除噪音带来的误差，但他关键是有被控物可观测、与外部交互这一要素。这应该与卡尔曼提出的系统状态能控性、状态能观测性是相关联的。
以上有理解谬误之处，望坛内朋友们指出。感谢楼主及提供解读的高手们。

2020-8-3 16:37

必须顶

2020-8-4 15:51

卡尔曼滤波之后，导弹命中率提升了N个档次

2021-3-30 10:00

书到用时方恨少啊，学习中

2021-7-14 10:11

用最小二乘法获得系统的模型的例子里，想把u=ones(1, length(t));改为u=zeros(1, length(t));（想假设没有输入），为啥就不行了呢？

专栏首页

授之以渔：卡尔曼滤波器 ....大泻蜜 .........................

技术新星奖章

涓涓之细流

以坛为家

核心会员奖章

奔腾之江水

缘定三生

技术导师奖章

常驻人口

技术高手奖章

甘甜之泉水

技术奇才奖章

专栏首页

授之以渔： 卡尔曼滤波器 ....大泻蜜 .........................

技术新星奖章

涓涓之细流

以坛为家

核心会员奖章

奔腾之江水

缘定三生

技术导师奖章

常驻人口

技术高手奖章

甘甜之泉水

技术奇才奖章

授之以渔：卡尔曼滤波器 ....大泻蜜 .........................