| 查看: 7153 | 回复: 11 | ||||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | ||||
[求助]
关于卡尔曼滤波状态和观测方程的一个疑问 已有5人参与
|
||||
|
我们知道，连续线性时变状态空间离散化之后，得到如下公式： Xk+1=Gk*Xk+Hk*Uk Yk=Ck*Xk+Dk*Uk 而卡尔曼滤波用到的线性离散状态和观测方程则如下： Xk=Fk-1*Xk-1+Gk-1*Uk-1 状态方程 Yk=H*Xk+D*Uk 观测方程 很明显，卡尔曼滤波用到的线性离散观测方程要比离散化状态空间模型的第二个公式提前一个时刻。为何？？ |
回复此楼» 猜你喜欢
药学求调剂
已经有9人回复
-
302分求调剂
已经有11人回复
-
271求调剂
已经有29人回复
-
297工科调剂?
已经有13人回复
-
274求调剂
已经有12人回复
-
一志愿鲁东大学071000生物学学硕初试分数276求调剂
已经有29人回复
-
26药学专硕105500求调剂
已经有6人回复
-
生物学308分求调剂（一志愿华东师大）接受跨专业
已经有11人回复
-
化工学硕294分，求导师收留
已经有35人回复
-
化学070300 求调剂
已经有23人回复
曾二妹
银虫 (小有名气)
- 应助: 0 (幼儿园)
- 金币: 1944.5
- 散金: 22
- 红花: 1
- 帖子: 189
- 在线: 39.1小时
- 虫号: 3261051
- 注册: 2014-06-07
- 专业: 电能储存与节电技术
还有一种理解吧，关于滤波 平滑和预测的不同定义：如果当前时刻是k，那么平滑就是基于k时刻的量去估计/计算k-1时刻的值；滤波就是基于k时刻的值计算k时刻的值，也就是对应着卡尔曼滤波器里面后验部分；估计就是基于k时刻计算k+1时刻。所以，我的理解是卡尔曼滤波器里面包括了估计和滤波两部分，估计就是基于k-1时刻的值，通过系统本来的状态方程计算得到先验估计值，通常计为k|k-1，然后再对先验结果进行滤波，这部分就对应着卡尔曼滤波器的核心计算-卡尔曼增益，滤波过后的结果就是k+1的后验估计值，也就是k时刻我们想要得到的值。这是我的理解，如有错误，欢迎指正 发自小木虫IOS客户端 |
8楼2018-12-24 00:06:23
2楼2017-10-26 12:08:34
xoxed
捐助贵宾 (小有名气)
- 应助: 1 (幼儿园)
- 金币: 1672.2
- 帖子: 183
- 在线: 28.6小时
- 虫号: 7209122
- 注册: 2017-09-20
- 性别: GG
- 专业: 控制理论与方法
3楼2017-10-26 19:27:26
mchen_6431
专家顾问 (著名写手)
-
专家经验: +168 - 应助: 181 (高中生)
- 金币: 15763.8
- 散金: 35
- 红花: 127
- 帖子: 2018
- 在线: 837.9小时
- 虫号: 837980
- 注册: 2009-09-01
- 性别: GG
- 专业: 计算机软件
- 管辖: 信息科学
【答案】应助回帖
★ ★ ★ ★ ★
感谢参与，应助指数 +1
king36500(conanwj代发): 金币+5 2017-11-26 21:42:38
conanwj: 应助指数+1 2017-11-26 21:42:56
感谢参与，应助指数 +1
king36500(conanwj代发): 金币+5 2017-11-26 21:42:38
conanwj: 应助指数+1 2017-11-26 21:42:56
|
初值下标不同，并没有什么。分两个过程，一个预测过程，一个量测更新过程。具体哪个步骤在前，根据初值来定。表示时，你可以将下标改成一样，不影响分析。 发自小木虫Android客户端 |
4楼2017-10-26 19:45:09
