卡尔曼滤波-转自知乎
2016-10-24 14:58
176 查看
假设你有两个传感器,测的是同一个信号。可是它们每次的读数都不太一样,怎么办?
取平均。
再假设你知道其中贵的那个传感器应该准一些,便宜的那个应该差一些。那有比取平均更好的办法吗?
加权平均。
怎么加权?假设两个传感器的误差都符合正态分布,假设你知道这两个正态分布的方差,用这两个方差值,(此处省略若干数学公式),你可以得到一个“最优”的权重。
接下来,重点来了:假设你只有一个传感器,但是你还有一个数学模型。模型可以帮你算出一个值,但也不是那么准。怎么办?
把模型算出来的值,和传感器测出的值,(就像两个传感器那样),取加权平均。
OK,最后一点说明:你的模型其实只是一个步长的,也就是说,知道x(k),我可以求x(k+1)。问题是x(k)是多少呢?答案:x(k)就是你上一步卡尔曼滤波得到的、所谓加权平均之后的那个、对x在k时刻的最佳估计值。
于是迭代也有了。
这就是卡尔曼滤波。
(无公式)
作者:Kent Zeng
链接:https://www.zhihu.com/question/23971601/answer/26254459
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
取平均。
再假设你知道其中贵的那个传感器应该准一些,便宜的那个应该差一些。那有比取平均更好的办法吗?
加权平均。
怎么加权?假设两个传感器的误差都符合正态分布,假设你知道这两个正态分布的方差,用这两个方差值,(此处省略若干数学公式),你可以得到一个“最优”的权重。
接下来,重点来了:假设你只有一个传感器,但是你还有一个数学模型。模型可以帮你算出一个值,但也不是那么准。怎么办?
把模型算出来的值,和传感器测出的值,(就像两个传感器那样),取加权平均。
OK,最后一点说明:你的模型其实只是一个步长的,也就是说,知道x(k),我可以求x(k+1)。问题是x(k)是多少呢?答案:x(k)就是你上一步卡尔曼滤波得到的、所谓加权平均之后的那个、对x在k时刻的最佳估计值。
于是迭代也有了。
这就是卡尔曼滤波。
(无公式)
作者:Kent Zeng
链接:https://www.zhihu.com/question/23971601/answer/26254459
来源:知乎
著作权归作者所有,转载请联系作者获得授权。
相关文章推荐
- 我答知乎:关于北京地铁的设计之地铁通道门
- 知乎为什么选择Tornado作为开发框架
- kalman filter 卡尔曼滤波的例子
- IOS学习经验总结--来自知乎网友
- 我读过的最好的epoll讲解--转自”知乎“
- 通俗解释卡尔曼滤波
- 转自知乎--为什么 Linux 在桌面会失败?
- [Java] 知乎下巴第5集:使用HttpClient工具包和宽度爬虫
- 来自知乎-公平划分股权的秘笈
- “知乎”部分体验分析
- 知乎上逆天的商品
- 整理知乎上的一些指点前路的东西(计算机系可以看看,别把四年浪费了)
- 卡尔曼滤波资料分享
- 转自知乎
- 温水煮青蛙:知乎的困境,你自己察觉没?
- 程序员是不是应该加强运动?(知乎同名问题)
- 零基础写Java知乎爬虫之准备工作
- 卡尔曼滤波
- 数据可续--统计知识学习--转载知乎
- 从0到100——知乎架构变迁史