卡尔曼滤波器预测实现

Kalman Filter Prediction Implementation

我正在尝试实施卡尔曼滤波器来定位机器人。 我对预测步骤(不包括过程噪声)感到困惑 x = Fx + u

如果x是状态估计向量:[xLocation, xVelocity],F是状态转移矩阵[[1 1],[0 1]],那么新的xLocation等于xLocation + xVelocity + the运动向量对应分量u.

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?

也许对于矩阵实际表示的内容有些混淆。

"control vector",u,可能是系统外部施加的加速度。

在这种情况下,我希望方程式如下所示:

x位置 = x位置 + x速度

x速度 = x速度 + u速度

这两个等式假设每 1 秒应用一次更新(否则需要应用一些 "delta time" 因素,包括转移矩阵和控制向量)。

对于上述情况,矩阵和向量为:

  • 状态向量(包含 2 个条目的列向量):

    x位置

    x速度


  • 转移矩阵(2 x 2矩阵):

    1 1

    0 1


  • 控制向量(有2个条目的列向量):

    0

    u速度


This link 包含对卡尔曼滤波器的很好的解释和可视化。