null卡尔曼滤波卡尔曼滤波The Kalman Filteringarticle
2005.11ContentsContents背景简介
一个实际问
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
算法描述
实验应用
Rudolf Emil KalmanRudolf Emil Kalman匈牙利数学家
BS&MS at MIT
PhD at Columbia
1960年发
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
的论文《A New Approach to Linear Filtering and Prediction Problems》(线性滤波与预测问题的新方法)
Signal ProcessingSignal Processing数字滤波:通过一种算法排除可能的随机干扰,提高检测精度的一种手段
线性系统 f(A+B) = f(A) + f(B)
数学方法处理
噪声信号输入-〉尽可能少噪声输出Use forUse for机器人导航、控制
传感器数据融合
雷达系统以及导弹追踪
计算机图像处理
头脸识别
图像分割
图像边缘检测
Temperature Problem - Ideal WorldTemperature Problem - Ideal World假设当前室内温度仅跟上一时刻有关
温度计观测(摄氏-〉华氏)
根据连续的观测值来推算实际温度变化Temperature Problem - Real WorldTemperature Problem - Real World假设当前室内温度仅跟上一时刻有关
但变化中可能有噪声
温度计观测(摄氏-〉华氏)
读数会有误差
两种噪声相互无关
根据连续的观测值来推算实际温度变化Kalman Filtering – First SightKalman Filtering – First SightKF是根据上一状态的估计值和当前状态的观测值推出当前状态的估计值的滤波方法
S(t) = f ( S(t-1) , O(t) )
它是用状态方程和递推方法进行估计的,因而卡尔曼滤波对信号的平稳性和时不变性不做要求
维纳滤波:使用全部观测值保证平稳性Kalman Filtering - AdvantagesKalman Filtering - Advantages卡尔曼滤波器是一个“optimal recursive data processing algorithm(最优化自回归数据处理算法)”
对于解决很大部分的问题,他是最优,效率最高甚至是最有用的Formula of KFFormula of KFKF Model - DefinitionKF Model - Definition定义 为 先验状态估计, 为 后验状态估计值
先验误差和后验误差定义如下:
协方差:KF Model - AlgorithmKF Model - Algorithm递推公式
如果没有误差,可以认为
则包含全部误差的信息,称为新息(innovation)
K为修正矩阵,或称混合因子 (Blend factor)
Blend factor MatrixBlend factor Matrix修正矩阵的形式有多种,其中一种为:
R->0 => K = 1/HDiscrete KFDiscrete KFFlow ChartFlow Chart任意给定初值均可,但P!=0ExperimentExperiment目标:
用KF估计一个常数(电压)
约束:
数据本身有误差(电压不稳)
观测有误差(电压表不准)
Analysis – Matrix AssignmentAnalysis – Matrix Assignment
A=1,B=0,H=1
简化为:
w,v为高斯白噪声Analysis – Time & Measure UpdateAnalysis – Time & Measure Update时间更新测量更新Result - EstimationResult - EstimationResult - ErrorResult - ErrorApplicationApplication视频跟踪null