我正在尝试实现卡尔曼滤波器以定位机器人。我对预测步骤(不包括过程噪声)x = Fx + u感到困惑
如果x是状态估计向量:[xLocation,…
也许对于矩阵的实际代表存在一些混淆。
“控制载体”, ü ,可能是外部应用于系统的加速度。
在这种情况下,我希望方程看起来像这样:
X <子> 地点 子> = x <子> 地点 子> + x <子> 速度 子>
X <子> 速度 子> = x <子> 速度 子> +你 <子> 速度 子>
这两个等式假定每1秒应用更新(否则需要应用一些“增量时间”因子并包括转移矩阵和控制向量)。
对于上面提到的情况,矩阵和向量是:
状态向量(具有2个条目的列向量):
X <子> 地点 子>
X <子> 速度 子>
转换矩阵(2 x 2矩阵):
1 1
0 1
控制向量(具有2个条目的列向量):
0
ü <子> 速度 子>
这个链接 包含卡尔曼滤波器的很好的解释和可视化。