文件名称：Kalman-Filter-Python
文件大小：367KB
文件格式：ZIP
更新时间：2024-03-28 12:01:59
Python
卡尔曼滤波器-1D运动示例-分配1 1.什么是卡尔曼滤波器？ 卡尔曼滤波器是一种概率状态估计器技术，用于对动力学系统的状态进行最佳估计。 也可以将其解释为递归算法，该算法包括两个主要步骤-预测和校正。 预测步骤例如考虑车辆的转向信息或运动控制命令，以便估计，预测系统在下一时间点的位置。 校正步骤考虑了传感器的观察，以改善我们的预测并针对潜在误差进行调整。 卡尔曼滤波器有两个重要的假设。 第一个是一切都是高斯分布，即传感器的观测值，误差和噪声遵循高斯分布（正态分布）。 第二个假设是所有模型都是线性的，即，用于估计系统在下一个时间点的位置的模型以及传感器数据的观察模型都是线性模型。 但是，重要的是要意识到我们生活在一个以非高斯分布为标准的非线性世界中。 扩展卡尔曼滤波器（EKF）是卡尔曼滤波器的一种变体，它试图处理这些非线性问题。 它所做的基本上是通过泰勒展开执行局部线性化。 因此，它执
【文件预览】：
Kalman-Filter-Python-master
----Kalman_Filter_assignment_1.py(7KB)
----res()
--------blockdiagram.png(56KB)
--------steps.png(331KB)
----README.md(4KB)