卡爾曼濾波器,不僅僅是一個低通濾波器,否則也不會持續發展50年。
示例:桑先生需要測試高速列車的性能。測試的目的是判斷列車在直線上能否保持80m/s的速度。速度和位置每0.1秒測量一次,但是由于速度傳感器的數據丟失,桑先生只能通過位置數據來得出速度值。
直接上Python代碼:
運行結果:
藍色點:濾波前的位置數據。
紫色線:濾波后的位置數據。
紅色線:濾波前的速度數據。
青色線:濾波后的速度數據。
結論:
1.Python的Numpy庫用作矩陣運算,語法和Matlab有差異,所以需要確認語法細節。
2.卡爾曼濾波器的系統建模非常重要,完成了系統建模,也就完成了濾波器的一半設計。
聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。
舉報投訴
-
濾波器
+關注
關注
161文章
7817瀏覽量
178132 -
python
+關注
關注
56文章
4797瀏覽量
84690 -
矩陣運算
+關注
關注
1文章
5瀏覽量
7478
原文標題:卡爾曼濾波學習筆記:從位置估計速度
文章出處:【微信號:gh_bee81f890fc1,微信公眾號:面包板社區】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
如何理解卡爾曼濾波器?卡爾曼濾波器狀態方程及測量方程
卡爾曼濾波的最終輸出是,真實的狀態為,令 對誤差的平方求最小值,同樣可以推導出公式(1-5)到公式(1-7)。因此卡爾
發表于 12-15 10:45
?2899次閱讀
卡爾曼濾波器的特性及仿真
我們前一篇關于人物識別跟蹤的文章《視頻連續目標跟蹤實現的兩種方法和示例(更新)》里講到,視頻圖像中物體的識別和跟蹤用到了卡爾曼濾波器(KF)。這里對這個話題我們稍微對這個卡爾
評論