在MATLAB和Simulink中设计并使用卡尔曼滤波器
卡尔曼滤波是一种从测量数据中估计系统状态的算法。它主要是由匈牙利工程师鲁道夫·卡尔曼(Rudolf Kalman)开发的,这种过滤器就是以他的名字命名的。该滤波器的算法分为两步:第一步预测系统的状态,第二步使用噪声测量来细化系统状态的估计。
现在有几种原始卡尔曼滤波器的变体。这些滤波器广泛应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,其中它们通过融合GPS和IMU(惯性测量单元)测量合成位置和速度信号。滤波器通常用于估计无法测量的信号的值,例如飞机发动机涡轮的温度,任何温度传感器都可能失效。该滤波器还与LQR(线性-二次调节器)补偿器一起用于LQG(线性-二次-高斯)控制。
计算机视觉
在计算机视觉应用中,卡尔曼滤波被用于对象跟踪预测一个物体未来的位置,考虑物体被检测位置中的噪声,并帮助将多个物体与它们对应的轨迹关联起来。
例子和如何
控制系统
计算机视觉
传感器融合与跟踪
软件参考
控制系统
仿真软件模块
MATLAB函数