请选择 进入手机版 | 继续访问电脑版

发现者模型阵地

 找回密码
 立即注册
查看: 7047|回复: 0
收起左侧

航模飞控三大算法之二:卡尔曼滤波算法(预言家)

[复制链接]

20

主题

22

帖子

88

积分

注册会员

Rank: 2

积分
88
发表于 2019-9-24 09:33:17 | 显示全部楼层 |阅读模式
飞控三大算法:卡尔曼滤波算法(预言家)

卡尔曼滤波算法采用信号与噪声的状态空间模型,利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计,求出现刻的估计值。
(因此,卡尔曼滤波算法实质上是一种预测算法,称之为预言家也不为过)

卡尔曼滤波算法是卡尔曼等人在20世纪60年代提出的一种递推滤波算法。它的实质是以最小均方误差为估计的最佳准则,来寻求一套递推估计的算法。这套算法采用信号与噪声的状态空间模型,利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值,在惯性导航系统中有非常广泛的应用。这里说的噪声指的是计算得出的值与实际值的误差
那么为什么Kalman滤波会应用到惯性导航系统中呢?这主要是因为惯性导航系统的“纯惯性”传感器不足以达到所需的导航精度,为了补偿导航系统的不足,常常使用其他导航设备来提高导航精度,以减小导航误差。所以利用Kalman滤波算法,可以将来自惯性导航系统与其他导航装置的数据(如惯性导航系统计算的位置对照GPS接收机给出的位置信息)加以混合利用(称为融合算法),估计和校正未知的惯性导航系统误差。
卡尔曼滤波算法广泛应用已经超过30年,包括机器人导航,控制, 传感器数据融合甚至军事方面的雷达系统以及导弹追踪等等。
比如,在雷达中,人们感兴趣的是跟踪目标,但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响,得到一个关于目标位置最优的估计。这个估计可以是对当前目标位置的估计(滤波),也可以是对于将来位置的估计(预测),也可以是对过去位置的估计(插值或平滑)。
卡尔曼滤波算法是一个非常复杂的计算,我们结合飞行器来简单的讲一下它的计算过程,比如飞行器想知道自己的一个状态,这个状态可以是姿态、速度或位置等信息,我们知道飞行器的传感器是可以得到这些信息的,通过惯性导航的数学模型也可以计算出这些信息,但这两个信息的值与实际值还是有一定的差距的,把这两个值放在若干数学公式里可以得到一个最优值,通过这个最优值与传感器和数学模型的值进行对比,我们可以知道哪个值与最优值比较接近,下次的计算我们应该较多的参考接近最优值的那个值,比如传感器的值最接近最优值,那我们就把传感器的值使用较大的权重,数学模型得到的值加使用较小的权重,所得到的这个权重不是随便给的,也是通过数学公式得也来的。那我下一个时间段再计算的时候这个权重就要起作用了,传感器的值和数学模型的值会带着权重放在数学公式里得到最优值,然后我们再把这个最优值与传感器和数学模型的值进行对比,再看一下哪个值与最优值接近,如果还是传感器的值比较接近,我们还是会通过公式生成一个权重,交给下个时间段的计算使用。通过不断重复这样的计算,我们就可以得到一个相对较优的值,这就是卡尔曼滤波算法的大概过程。
本文出处:https://www.cnblogs.com/kinson/p/9651434.html  ,此处楼主本人修改了一些错别字,增加了一些理解进去,方便用户快速理解。


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|静修| 发现者模型 ( 粤ICP备2021018702号 备案查询:https://beian.miit.gov.cn )

GMT+8, 2022-10-7 15:19 , Processed in 0.046311 second(s), 17 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表