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,xVelocity]并且F是状态转移矩阵[[1 1],[0 1]],那么新的xLocation将等于xLocation + xVelocity +运动的相应分量矢量你。
为什么方程不是x = x + u?机器人的预测位置不应该是机器人的位置+运动吗?
也许对于矩阵的实际代表存在一些混淆。
“控制矢量”u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:
xlocation = xlocation + xvelocity
xvelocity = xvelocity + uvelocity
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:
This link包含卡尔曼滤波器的很好的解释和可视化。