一文详解卡尔曼滤波两处噪声的来源及影响-Toy模板网

这篇具有很好参考价值的文章主要介绍了一文详解卡尔曼滤波两处噪声的来源及影响。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、状态空间描述中两处噪声的理论假设

首先放出基本公式

状态方程：x(k) = Ax(k-1)+Bu(k-1)+w(k-1)

观测方程：y(k)=Cx(k)+v(k)

其中，w(k-1)为过程噪声，通常记作Q，v(k)为观测噪声，通常记作R。

标准卡尔曼滤波对于Q和R的要求主要有四点：

1.互不相关

2.零均值

3.高斯白噪声序列

4.Q，R分别是已知值的非负定阵和正定阵

也即：

其中：

构建所研究问题的“理想状态”，与实际情况进行对比实验，用所得的样本方差作为Q

例如研究滑块运动时，可以将在相对光滑表面的运动数据作为理想情况，与实际粗糙表面的情况进行对比；或是控制一个无人小车，在dt时间内，它其实是近圆弧行驶的，但我们研究时常常将它近似为线性模型了，因此产生的系统误差可以计算出一个范围阈值

这一噪声相对容易获取，通常依据传感器精度即可，直接进行观测实验，用样本方差作为Q

例如一个温度计的误差是±0.5，观测噪声R=0.5^2=0.25

事实上，我认为现阶段很难直接构建过程噪声Q和过程噪声R的具体数值与卡尔曼滤波估计的误差之间的线性关系，目前的研究主要集中在寻求Q和R的最优化组合

比如通过遗传算法来寻求这个最佳方差组合，可以参阅这篇文献：

[1]郭应时,王畅,张亚岐.噪声方差对卡尔曼滤波结果影响分析[J].计算机工程与设计,2014,35(02):641-645.DOI:10.16208/j.issn1000-7024.2014.02.016.

但需注意，在工程实际问题中，Q和R一定是客观存在的，我们尽力减小Q和R，通常更有助于我们获取更优的估计结果。文章来源地址https://www.toymoban.com/news/detail-794468.html

到了这里，关于一文详解卡尔曼滤波两处噪声的来源及影响的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！