卡尔曼滤波 编辑
卡尔曼滤波是一种高效率的递归滤波器，它能够从一系列的不完全及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波会根据各测量量在不同时间下的值，考虑各时间下的联合分布，再产生对未知变数的估计，因此会比只以单一测量量为基础的估计方式要准。卡尔曼滤波得名自主要贡献者之一的鲁道夫·卡尔曼。
7
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
鲁道夫·埃米尔·卡尔曼，匈牙利裔美国数学家，发明了卡尔曼滤波。
粒子滤波器是一种使用蒙特卡罗方法的递归滤波器，透过一组具有权重的随机样本来表示事件的后验概率，从含有噪声或不完整的观测序列，估计出动态系统的状态，粒子滤波器可以运用在任何状态空间的模型上。粒子滤波器是卡尔曼滤波的一般化方法，卡尔曼滤波器建立在线性的状态空间和正态分布的噪声上；而粒子滤波器的状态空间模型可以是非线性，且噪声分布可以是任何型式。
协方差交叉是在卡尔曼滤波中，二个状态变数之间不确定其协方差时，合并其估测值的算法。
施密特-卡尔曼滤波器，是修改版的卡尔曼滤波，减少状态估测的维度，不过仍有额外的状态可以计算协方差矩阵及卡尔曼增益。常见的应用是考量像是传感器误差等扰嚷参数的影响，但又不增加状态估测的维度，因此可以确保协方差矩阵可以准确的呈现误差的分析情形。
施密特-卡尔曼滤波器，是修改版的卡尔曼滤波，减少状态估测的维度，不过仍有额外的状态可以计算协方差矩阵及卡尔曼增益。常见的应用是考量像是传感器误差等扰嚷参数的影响，但又不增加状态估测的维度，因此可以确保协方差矩阵可以准确的呈现误差的分析情形。
施密特-卡尔曼滤波器，是修改版的卡尔曼滤波，减少状态估测的维度，不过仍有额外的状态可以计算协方差矩阵及卡尔曼增益。常见的应用是考量像是传感器误差等扰嚷参数的影响，但又不增加状态估测的维度，因此可以确保协方差矩阵可以准确的呈现误差的分析情形。
鲁道夫·埃米尔·卡尔曼，匈牙利裔美国数学家，发明了卡尔曼滤波。
鲁道夫·埃米尔·卡尔曼，匈牙利裔美国数学家，发明了卡尔曼滤波。