个人感觉卡尔曼滤波是不是过于繁琐了

13902532910

我的想法是，结果直接取0.9乘以此次估算值，与0.1乘以此次测量值之和。只要建立的估算模型精度是测量精度的10倍以上，这样就可以将测量噪声波动降低10倍。
例子有两个。
第一个温度，假设温度变化在短期内是线性的，那么很明显可以据上两次的结果预测此次的温度，假如这个估算精度是0.01度，测量由于噪声精度是0.1度，那么显然根据此算法，最后的结果精度会提高到0.01度。
再看下收敛，假如给出估算初值是0度，测量值10度左右，温度恒定，则温度估算值与上一次结果相同，可以明显得出，运算25次后，结果已经超过9度，是往真实结果收敛的，当然实际运用时，初值就取第一次测量值就可以了。
第二个例子，九轴姿态融合，陀螺仪精度是0.01度，重力加速度和磁感应测量值是0.1度，前者是小范围精度高，后者是大范围趋势与真实情况接近。根据陀螺仪可估算出此次估算值，数值又往重力和磁测量值逼近，这样明显将精度提高了，又消除了只按陀螺仪长久积分累积误差。
这样的结果不与卡尔曼滤波结果一样么，为什么卡尔曼滤波搞得那么复杂？好吧，我承认我看不懂卡尔曼滤波，只会抄别人的公式，但总觉得按上面我所说的来算应该就能达到效果了。

正点原子

没用过,楼主继续.