卡爾曼濾波器是一種基礎**定位演算法。原理非常簡單易懂。核心過程可以用乙個圖說明：
本質上就是這兩個狀態過程的迭代，來逐步的準確定位。
更新：更具感測器獲取到比較準確的位置資訊後來更新當前的**問位置，也就是糾正**的錯誤。
你可能要問為什麼有感測器的資料了還要進行更新？ 因為在現實世界中感測器是存在很多雜訊干擾的，所以也不能完全相信感測器資料。卡爾曼演算法依賴於線性計算，高斯分布，我們以一維定位來介紹演算法的實現。
假設有個智慧型體初始位置在圖1中座標10的位置，這個初始位置也是存在估計誤差的方差為
接下來我們開更新，**後我們獲取到感測器資料，表示目前感測器發現小車的位置應該是在26這個位置，在這種情況下，我們肯定是覺得感測器的準確度比我之前的**瞎猜要來的準確。所以方差自然會比較小，最終我們覺得真是的小車位置應該是更靠近感測器資料的，而且方差會縮小，以至於，想想也很清楚，我猜了乙個**值，現在有個專家告訴了我相對比較靠譜的資料，那我對小車的位置的自信度肯定會上公升啊。
最終小車的位置經過這個時間段t的更新就是下圖紅色的高斯圖：
就這樣不停的移動更新，最終小車的位置就會越來越準確。
一維模型下的kalman公式：
更新
卡爾曼 卡爾曼濾波 1
今天主要介紹一下卡爾曼濾波器，所謂卡爾曼濾波器其實是一種最優化遞迴數字處理演算法 optimal recursive data processing algorithm 卡爾曼濾波器應用 既然我們有了測量儀器，這些測量儀器可以目標給出準確測量值。還需要卡爾曼濾波器進行估計嗎?下面解釋一下為什麼需要卡...
卡爾曼濾波 基礎
先上公式 在乙個離散控制過程的系統中，假設該系統可用乙個線性隨機微分方程 linear stochastic difference equation 來描述 x k axk 1 bu k 1 wk 1 x k ax bu w xk ax k 1 buk 1 wk 1 其中x是系統的狀態向量，大小為n...
卡爾曼 Simulink之卡爾曼濾波
卡爾曼濾波主要根據系統狀態方程，通過系統輸入輸出作為觀測資料，來不斷迭代修正預估的邏輯，實現對系統狀態的最優估計。理 式比較複雜，需要花時間去體會理解，想細研究的朋友建議直接去找一篇相關 學習 其實研究之後一天就又忘了 卡爾曼基本迭代公式 基於上面的5個等式，我們可以搭建出卡爾曼濾波的基本模型 為了...