一文理解无迹卡尔曼滤波
需积分: 0 186 浏览量
2023-10-07
22:03:30
上传
评论
收藏 3.13MB PDF 举报
无迹卡尔曼滤波
The Unscentd Kalman Filter
上一章我们讨论了非线性系统带来的困难。这种非线性可能出现在两个地方。它可以存在于我们的测量
中，例如测量物体的倾斜距离的雷达。使用Slant range计算x、y坐标需要取平方根:
x
=
√
slant
2
−
altitude
2
非线性也可以发生在过程模型中——我们可能正在跟踪一个在空气中旅行的球，在那里空气阻力的影响
导致非线性行为。对于这类问题，标准卡尔曼滤波器表现不佳或者根本不好
在上一章中，我展示了这样一个图。我稍微改变了一下方程，以强调非线性的影响。
#format the book
import book_format
book_format.set_style()
from kf_book.book_plots import set_figsize, figsize
import matplotlib.pyplot as plt
from kf_book.nonlinear_plots import plot_nonlinear_func
from numpy.random import normal
import numpy as np
# create 500,000 samples with mean 0, std 1
gaussian = (0., 1.)
data = normal(loc=gaussian[0], scale=gaussian[1], size=500000)
def f(x):
return (np.cos(4*(x/2 + 0.7))) - 1.3*x
plot_nonlinear_func(data, f)
剩余50页未读，继续阅读
资源评论
