了解卡尔曼滤波器

发现可以使用卡尔曼滤波器的真实情况。卡尔曼滤波器通常用于在存在不确定和间接测量的情况下对系统的内部状态进行最佳估计。通过观看以下介绍性示例，了解卡尔曼滤波器背后的工作原理。

您将探索卡尔曼滤波器常用的情况。当系统的状态只能间接测量时，可以使用卡尔曼滤波器对该系统的状态进行最佳估计。当来自不同传感器的测量值可用但受到噪声影响时，可以使用卡尔曼滤波器组合来自不同来源的传感器数据（称为传感器融合），以找到感兴趣参数的最佳估计值。

您还将通过浏览包括简单数学在内的几个示例来了解状态观测器。这将帮助您了解什么是卡尔曼滤波器以及它是如何工作的。在高层，卡尔曼滤波器是一种最优状态估计器。视频还包括对非线性状态估计器的讨论，如扩展和无迹卡尔曼滤波器。

最后，通过一个例子说明了如何使用卡尔曼滤波器（MATLAB）估计线性系统的状态^®、和Simu金宝applink^®.

第1部分：为什么使用卡尔曼滤波器？通过浏览一些示例，了解卡尔曼滤波器的常用用法。卡尔曼滤波器是一种用于从间接和不确定测量值估计系统状态的最佳估计算法。

第2部分：国家观察员学习状态观测器的工作原理，并发现其背后的数学原理。当无法直接测量系统的内部状态时，状态观测器用于估计系统的内部状态。

第三部分：最优状态估计器了解卡尔曼滤波器的工作原理。卡尔曼滤波器结合两种信息源，即预测状态和噪声测量，以产生最佳、无偏的状态估计。

第四部分：最优状态估计算法发现实现卡尔曼滤波算法所需的方程组。

第5部分：非线性状态估计器本视频解释了非线性状态估计器背后的基本概念，包括扩展卡尔曼滤波器、无迹卡尔曼滤波器和粒子滤波器。

第6部分：如何在Simulink中使用卡尔曼滤波器金宝app在Simulink中使用卡尔曼滤波器估计单摆系统的角位置。您将学习如何配置卡尔曼滤波器块参数，如系统模型、初始状态估计和噪声特性。金宝app

第7部分：如何在Simulink中使用扩展卡尔曼滤波器金宝app利用扩展卡尔曼滤波器估计非线性摆系统的角位置。您将学习如何指定扩展卡尔曼滤波器块参数，如状态转换和测量函数，并生成C/C++代码。