|
本帖最后由 scu319hy 于 2016-11-24 17:56 编辑
我帮你补充一下kalman滤波的基本思想. 是我在网上看到相关资料后的理解, 不对的话欢迎拍砖~
对于一个要测量的数据, 首先会有一个初值A(一般为0或实测一个), 在这个基础上, 通过我们对环境的预测(变化趋势K), 可以得到一个新的A.01, 通过实测可以得到另一个值A.02.
由假设我们对两个结果的信任度分别为u和v, 这时可以通过(A.01*u+A.02*v)/2=A1计算到得一个新的读数A1(并认为这就是本次的测量结果). 然后可以根据A1的变化情况计算更新变化趋势K得到K1.
如此迭代下去, 可以得到一系列的测量结果, 其准确度基本上只依赖于u和v. 当u大时, 测量结果会有响应延迟的现象, 但噪声会很小, 当v大时, 延迟通常比较小, 但噪声会比较大.
最后根据计算的结果动态调整信任度, 以达到更优的输出...
补充一下: 这只是基本思路, 细节上被简化了
|
|