在MATLAB和Simulink中设计和使用卡尔曼滤波器金宝app

卡尔曼滤波是一种根据测量数据估计系统状态的算法。它最初是由匈牙利工程师鲁道夫·卡尔曼(Rudolf Kalman)开发的,过滤器就是以他的名字命名的。滤波器的算法分为两步:第一步是预测系统的状态,第二步是使用噪声测量来细化系统状态的估计。

现在有几个变种的原卡尔曼滤波器。这些滤波器广泛用于依赖于估计的应用,包括计算机视觉、制导和导航系统、计量经济学和信号处理。

制导、导航和控制

卡尔曼滤波器通常用于GNC系统,例如传感器融合,它们通过融合GPS和IMU(惯性测量单元)测量来合成位置和速度信号。过滤器通常用于估计无法测量的信号的一个值,比如飞机引擎涡轮中的温度,在这种情况下,任何温度传感器都会失灵。该滤波器还与线性二次调节器LQR (linear- quadraticregulator)补偿器一起用于LQG (linear- quadraticgaussian)控制。

利用卡尔曼滤波器估计飞机的位置。有关详细信息,请参见示例。

计算机视觉

在计算机视觉应用中,卡尔曼滤波器用于对象跟踪预测一个物体未来的位置,考虑到一个物体检测到的位置的噪声,并帮助将多个物体与其相应的轨迹联系起来。

跟踪球的轨迹。卡尔曼滤波的输出用红圈表示,目标检测用黑色表示。注意什么时候球被挡住了,什么时候没有探测到;过滤器被用来预测它的位置。有关详细信息,请参见示例。



参见:对象识别,视频处理,PID控制,参数估计,点云,电池充电状态