卡尔曼滤波器,不仅仅是一个低通滤波器,否则也不会持续发展50年。
示例:桑先生需要测试高速列车的性能。测试的目的是判断列车在直线上能否保持80m/s的速度。速度和位置每0.1秒测量一次,但是由于速度传感器的数据丢失,桑先生只能通过位置数据来得出速度值。
直接上Python代码:
运行结果:
蓝色点:滤波前的位置数据。
紫色线:滤波后的位置数据。
红色线:滤波前的速度数据。
青色线:滤波后的速度数据。
结论:
1.Python的Numpy库用作矩阵运算,语法和Matlab有差异,所以需要确认语法细节。
2.卡尔曼滤波器的系统建模非常重要,完成了系统建模,也就完成了滤波器的一半设计。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
滤波器
+关注
关注
160文章
7727浏览量
177661 -
python
+关注
关注
56文章
4781浏览量
84448 -
矩阵运算
+关注
关注
1文章
5浏览量
7464
原文标题:卡尔曼滤波学习笔记:从位置估计速度
文章出处:【微信号:gh_bee81f890fc1,微信公众号:面包板社区】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
如何理解卡尔曼滤波器?卡尔曼滤波器状态方程及测量方程
卡尔曼滤波的最终输出是,真实的状态为,令 对误差的平方求最小值,同样可以推导出公式(1-5)到公式(1-7)。因此卡尔
发表于 12-15 10:45
•2777次阅读
卡尔曼滤波器的特性及仿真
我们前一篇关于人物识别跟踪的文章《视频连续目标跟踪实现的两种方法和示例(更新)》里讲到,视频图像中物体的识别和跟踪用到了卡尔曼滤波器(KF)。这里对这个话题我们稍微对这个卡尔
评论