卡尔曼滤波,最最容易理解的讲解,找遍网上就这篇看懂了

我对卡尔曼滤波的理解:卡尔曼滤波就是把统计学应用到了滤波算法上。
算法的核心思想是:根据当前的仪器 “测量值” 和上一刻的 “预测量” 和 “误差”,计算得到当前的最优量,再 预测下一刻的量。
里面比较突出的是观点是:把误差纳入计算,而且分为预测误差和测量误差两种,通称为 噪声
还有一个非常大的特点是误差独立存在,始终不受测量数据的影响

均方误差是反映估计量与被估计量之间差异程度的一种度量,换句话说,参数估计值与参数真值之差的平方的期望值。
协方差在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。协方差表示的是两个变量的总体的误差,这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。

上面的ppt有助于入门理解。

但是在编程的时候你会发现,解释里面的数值23 没有很明确的指出,是指的那个时刻的23 ,是预测的23 还是上一刻测量的23

下面这段文字会有助于你更清晰的理解:



卡尔曼滤波是统计学的程序表达。
要想深入理解,公式三 协方差的背后意义 需要学习统计学。
如果仅仅是使用的话,这5个公式套进程序里面还是很容易的。
看到这里如果你明白了原理,你再回过头看看会发现:误差是独立存在的,不受数据的影响;误差按照统计学的协方差公式更新,跟数据无关;而且误差是不断变化的.

你可能感兴趣的:(多目标跟踪)