kalman-filter - 定义卡尔曼滤波器及其应用(概念)

Question

我有一个简单的问题。我正在跟踪一个对象并以非均匀的时间间隔获取其位置。
物体的速度和加速度不是恒定的。

data_=[time x,y,z]

要设计卡尔曼滤波器，我需要定义

z=[x;y;z] % observation

% Estimation vector
xt=[xt;yt;zt;x't;y't;z't]  % ' first derivative



P=Covariance matrix of estimation vector 
R=Covariance matrix of measurement 
Q= covariance of noise

问题1:这两个R&P有什么区别
如果测量精度为 1mm，P 是多少？
问题 2:在后期处理中使用这个卡尔曼滤波器有什么好处。如果是的话，它是为了获得平滑的轨迹，为什么我们需要它。

希望我能从你们那里得到足够的信息。

Answer 1

问题 1

R 是测量的协方差矩阵。它与您的模型和您的估计无关。

P 是估计误差的协方差矩阵。它完全与您的模型和您估计状态的方式有关。 P 与您的测量准确性无关。你必须用 update 每次迭代计算它方程。

问题 4

Kalman 的目标是过滤您要跟踪的状态的噪声测量值，因此您可以获得更类似于没有噪声的真实状态的结果(噪声是测量中的不确定性)。