考虑一下我正在对机器人的动力学进行建模并使用卡尔曼滤波器来获得对某些状态的估计。我的方程式中有某些项对应于该机器人无法访问的数据(其他机器人的状态等)。
1)通过假设这些术语基于一些随机过程演变并表现“高斯样”来将这些建模为过程噪声是否公平?这也提出了另一个重要问题:
2)为什么卡尔曼滤波器要求我们具有与过程噪声相关的正定协方差。当我将过程噪声写成一些未建模的物理术语时,如何在现实世界中解释这一点?
考虑一下我正在对机器人的动力学进行建模并使用卡尔曼滤波器来获得对某些状态的估计。我的方程式中有某些项对应于该机器人无法访问的数据(其他机器人的状态等)。
1)通过假设这些术语基于一些随机过程演变并表现“高斯样”来将这些建模为过程噪声是否公平?这也提出了另一个重要问题:
2)为什么卡尔曼滤波器要求我们具有与过程噪声相关的正定协方差。当我将过程噪声写成一些未建模的物理术语时,如何在现实世界中解释这一点?
扩展卡尔曼滤波器 (EKF) 有效地做到了这一点:通过假设更高的过程或测量噪声来考虑未建模的非线性,具体取决于非线性出现的位置。