我是卡尔曼滤波器的新手，我很喜欢玩它。但是，我生成了一些随机速度和加速度，并且卡尔曼滤波器（使用我选择的协方差矩阵）与低通滤波相当。
所以我想也许可以将低通滤波和卡尔曼滤波器结合起来，但这完全破坏了高斯白噪声的假设。我的数值实验表明，对于我尝试过的情况，卡尔曼滤波器在 LP 滤波之后没有带来任何有趣的东西。
在应用卡尔曼滤波器之前，有哪些好的预处理实践（如果有的话）？
低通滤波器后的卡尔曼滤波器：坏主意？
信息处理
低通滤波器
卡尔曼滤波器
2022-01-25 04:05:08
1个回答
卡尔曼滤波器是各种假设下的最优滤波器。您需要检查这些假设是否适用于您的情况：
a) 模型与真实系统完美匹配，
b) 进入的噪声是白噪声和高斯噪声，并且
c) 噪声的协方差是准确已知的。
如果没有进一步的细节，我不能说你的陈述是否我的实验表明卡尔曼滤波器在 LP 滤波之后没有带来任何有趣的东西。是真是假。
使用奥卡姆剃刀：最简单的方法是最好的。也就是说，对于您的情况，您可能只需要一个低通滤波器。