X(K)=AX(K-1)+BU(K-1)+W(K-1)
Z(K)=HX(K)+V(K)
说明,下面带T的表示转置。
下面的程序主要针对MPU6050的姿态角的滤波。
float Q_angle=0.001; //陀螺仪噪声的协方差
float Q_gyro=0.003; //陀螺仪漂移噪声的协方差
float R_angle=0.5; // 加速度计的协方差
float dt=0.005;
char C_0 = 1;
float Q_bias=0, Angle_err=0; //Q_bias为陀螺仪漂移
float PCt_0=0, PCt_1=0, E=0;
float K_0=0, K_1=0, t_0=0, t_1=0;
float Pdot[4] ={0,0,0,0};
float PP[2][2] = { { 1, 0 },{ 0, 1 } };
首先建立的是过程方程,这里的状态变量是angle以及Q_bias,角度以及陀螺仪的漂移。
那么已经建立了这里的预测方程,没有加上噪声。
void Kalman_Filter(float Gyro,float Accel)
{ //Gyro陀螺仪的测量值,Accel加速度计的角度计算值
Angle+=(Gyro - Q_bias) * dt;
//角度测量模型方程
//就漂移来说认为每次都是相同的Q_bias=Q_bias;
//由此得到矩阵
上面的代码就对应着预测方程。对应着卡尔曼滤波的五个公式的第一条:X(k|k-1)=AX(k-1|k-1)+BU(k)
这里再分析第二条公式,P(k|k-1)=A P(k-1| k-1) AT+Q。可以在之前看出,A=[1,-dt;0,1]。而Q的定义如下:
因为角度噪声和陀螺仪的角速度的漂移噪声相互独立,所以为一个对角矩阵。然后,Q_angle,Q_gyro再程序开头已经给出。所以设P=[a,b;c,d]
的出一个更新的式子,
Pdot[0]=Q_angle - PP[0][1] - PP[1][0];
Pdot[1] = -PP[1][1];
Pdot[2] = -PP[1][1];
Pdot[3] = Q_gyro;
PP[0][0] += Pdot[0] * dt;
PP[0][1] += Pdot[1] * dt;
PP[1][0] += Pdot[2] * dt;
PP[1][1] += Pdot[3] * dt;
对照上面的公式,还是可以看出来,PP就是[a,b;c,d]的,但是注意,Pdot只是矩阵运算的中间值,但是不知为什么要叫成Pdot,误人子弟。而且最大的错误在于这样写,Q乘以了一个dt,但是最后并不会怎么影响,因为Q也是初始给的一个值而已,但是这样写还是有问题的,还是按照推导来写比较好。
再是第三个公式来计算卡尔曼增益,Kg(k)= P(k|k-1) HT / (H P(k|k-1) HT + R),所以这里要做的就是再建立一个量测方程,这里测量的值是加速度计算出来的角度值,所以
直接带入计算第三个公式。
PCt_0 = C_0 * PP[0][0];//矩阵乘法的中间变量
PCt_1 = C_0 * PP[1][0];//C_0=1
//分母
E = R_angle + C_0 * PCt_0;
//增益值
K_0 = PCt_0 / E;
K_1 = PCt_1 / E;
基本还算比较清楚,但是命名的话真的不忍心吐槽。
再看第四个公式,X(k|k)= X(k|k-1) + Kg(k)(Z(k) - H X(k|k-1)).
Angle_err = Accel - Angle; //Accel是加速度计的值,算出来的角度的测量值。
Angle += K_0 * Angle_err; //对状态的卡尔曼估计。
Q_bias += K_1 * Angle_err;
Gyro_x = Gyro - Q_bias; //计算得角速度值,这里由于每次对Q_bias更新,就更准确,比初始矫正后不管肯定要好很多。
第五个公式对PP进行更新,P(k|k)=( I-Kg(k) H) P(k|k-1);
t_0 = PCt_0; //矩阵计算中间变量
t_1 = C_0 * PP[0][1];
PP[0][0] -= K_0 * t_0;
PP[0][1] -= K_0 * t_1;
PP[1][0] -= K_1 * t_0;
PP[1][1] -= K_1 * t_1;
}
已经不忍心吐槽他的命名了。到这里基本分析完毕,至于卡尔曼滤波的证明推导,可以参考其他,这里只是分析代码,但是网上基本都是这样写的,有分析的,但是要么就是直接甩代码,要么就是分析的很多错误,太乱,决定写一个完整的正确的分析mpu6050卡尔曼滤波的程序。