带噪声估计的KF

带噪声估计的KF

x ^ ( k ∣ k − 1 ) = A x ^ q ( k − 1 ∣ k − 1 ) x ^ q ( k ∣ k − 1 ) = x ^ ( k ∣ k − 1 ) + q ^ ( k − 1 ) (92、94) \begin{aligned} \hat{x}(k|k-1)&=A\hat{x}_{q}(k-1|k-1) \\ \hat{x}_{q}(k|k-1)&=\hat{x}(k|k-1)+\hat{q}(k-1) \end{aligned} \tag{92、94} x^(kk1)x^q(kk1)=Ax^q(k1∣k1)=x^(kk1)+q^(k1)(9294)

P ( k ∣ k − 1 ) = A P Q ( k − 1 ∣ k − 1 ) A ⊤ P Q ( k ∣ k − 1 ) = P ( k ∣ k − 1 ) + Q ^ ( k − 1 ) (95、96) \begin{aligned} P(k|k-1)&=AP_{Q}(k-1|k-1)A^{\top} \\ P_{Q}(k|k-1)&=P(k|k-1)+\hat{Q}(k-1) \end{aligned} \tag{95、96} P(kk1)PQ(kk1)=APQ(k1∣k1)A=P(kk1)+Q^(k1)(9596)

z ^ ( k ∣ k − 1 ) = H x ^ q ( k ∣ k − 1 ) z ^ r ( k ∣ k − 1 ) = z ^ ( k ∣ k − 1 ) + r ^ ( k − 1 ) (97、99) \begin{aligned} \hat{z}(k|k-1)&=H\hat{x}_{q}(k|k-1) \\ \hat{z}_{r}(k|k-1)&=\hat{z}(k|k-1)+\hat{r}(k-1) \end{aligned} \tag{97、99} z^(kk1)z^r(kk1)=Hx^q(kk1)=z^(kk1)+r^(k1)(9799)

P z z = H P Q ( k ∣ k − 1 ) H ⊤ P z z R = P z z + R ^ ( k − 1 ) P x z = P Q ( k ∣ k − 1 ) H ⊤ (100、101、102) \begin{aligned} P_{zz}&=HP_{Q}(k|k-1)H^{\top} \\ {P_{zz}}_{R}&=P_{zz}+\hat{R}(k-1) \\ P_{xz}&=P_{Q}(k|k-1)H^{\top} \\ \end{aligned} \tag{100、101、102} PzzPzzRPxz=HPQ(kk1)H=Pzz+R^(k1)=PQ(kk1)H(100101102)

z ~ ( k ) = z ( k ) − z ^ r ( k ∣ k − 1 ) K ( k ) = P x z P z z R − 1 (103、108) \begin{aligned} \tilde{z}(k)&=z(k)-\hat{z}_{r}(k|k-1) \\ K(k)&=P_{xz}{P_{zz}}_{R}^{-1} \\ \end{aligned} \tag{103、108} z~(k)K(k)=z(k)z^r(kk1)=PxzPzzR1(103108)

P Q ( k ∣ k ) = [ ( I − K ( k ) H ] P Q ( k ∣ k − 1 ) x ^ q ( k ∣ k ) = x ^ q ( k ∣ k − 1 ) + K ( k ) z ~ ( k ) (109、104) \begin{aligned} P_{Q}(k|k)&=[(I-K(k)H]P_{Q}(k|k-1) \\ \hat{x}_{q}(k|k)&=\hat{x}_{q}(k|k-1)+K(k)\tilde{z}(k) \end{aligned} \tag{109、104} PQ(kk)x^q(kk)=[(IK(k)H]PQ(kk1)=x^q(kk1)+K(k)z~(k)(109104)

q ^ ( k ) = [ 1 − d ( k ) ] q ^ ( k − 1 ) + d ( k ) [ x ^ q ( k ∣ k ) − x ^ ( k ∣ k − 1 ) ] r ^ ( k ) = [ 1 − d ( k ) ] r ^ ( k − 1 ) + d ( k ) [ z ( k ) − z ^ ( k ∣ k − 1 ) ] Q ^ ( k ) = [ 1 − d ( k ) ] Q ^ ( k − 1 ) + d ( k ) [ K ( k ) z ~ ( k ) z ~ ( k ) ⊤ K ( k ) ⊤ + P Q ( k ∣ k ) − P ( k ∣ k − 1 ) ] R ^ ( k ) = [ 1 − d ( k ) ] R ^ ( k − 1 ) + d ( k ) [ z ~ ( k ) z ~ ( k ) ⊤ − P z z ] (105、106、110、107) \begin{aligned} \hat{q}(k)&=[1-d(k)]\hat{q}(k-1)+d(k)[\hat{x}_{q}(k|k)-\hat{x}(k|k-1)] \\ \hat{r}(k)&=[1-d(k)]\hat{r}(k-1)+d(k)[z(k)-\hat{z}(k|k-1)] \\ \hat{Q}(k)&=[1-d(k)]\hat{Q}(k-1)+d(k)[K(k)\tilde{z}(k)\tilde{z}(k)^{\top}K(k)^{\top}+P_{Q}(k|k)-P(k|k-1)] \\ \hat{R}(k)&=[1-d(k)]\hat{R}(k-1)+d(k)[\tilde{z}(k)\tilde{z}(k)^{\top}-P_{zz}] \end{aligned} \tag{105、106、110、107} q^(k)r^(k)Q^(k)R^(k)=[1d(k)]q^(k1)+d(k)[x^q(kk)x^(kk1)]=[1d(k)]r^(k1)+d(k)[z(k)z^(kk1)]=[1d(k)]Q^(k1)+d(k)[K(k)z~(k)z~(k)K(k)+PQ(kk)P(kk1)]=[1d(k)]R^(k1)+d(k)[z~(k)z~(k)Pzz](105106110107)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/diannao/5208.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

什么是域名解析?域名解析的完整流程是什么?如何清理DNS缓存?(附源码)

目录 1、什么是域名? 2、为什么使用域名? 3、域名解析的完整流程 4、调用gethostbyname系统接口将域名解析成IP地址 5、为什么需要清理系统DNS缓存? 6、使用cmd命令清理DNS缓存 7、通过代码去清除系统DNS缓存 C软件异常排查从入门到精…

使用量排名前50的GPTs趋势和特征

Chatgpt的gpt商店已经有几千gpts了。目前哪些gpts比较受欢迎呢?有哪些趋势和投资呢? 根据whatplugin.ai(截止日期为2024年3月),使用量最多的50个gpts数据分析结果如下: GPTs类型的分布情况如下: 图像生成…

Vue 2 组件创建全指南:一步一步学习

文章目录 步骤 1: 创建组件文件步骤 2: 定义模板步骤 3: 添加脚本步骤 4: 添加样式步骤 5: 使用组件 步骤 1: 创建组件文件 通常,一个 Vue 组件被创建为一个单文件组件 (Single File Component),这意味着它的模板、脚本和样式都包含在一个 .vue​ 文件中…

Java基础知识总结(79)

waitStatus属性 每个节点与等待线程关联,每个节点维护一个状态waitStatus,waitStatus的各种值以常量的形式进行定义。 CANCELLED(1):waitStatus值为1时表示该线程节点已释放(超时、中断),已取消的节点不会再阻塞&…

21.Nacos集群搭建

模拟Nacos三个节点,同一个ip,启动三个不同的端口: 节点 nacos1, 端口:8845 节点 nacos2, 端口:8846 节点 nacos3, 端口:8847 1.搭建数据库,初始化数据库表结构 这里我们以单点的数据库为例 首先新建一…

【C#】基础知识

0.参考 C#语言入门详解 1.几种打印hello_world的方式 1.1 console控制台 新建一个console,直接打印: Console.WriteLine("Hello_world");启动一闪而过,在vs调试中选择开始执行不调试(without debug)。 …

webpack 区分环境

区分环境 {ignore} 文章目录 区分环境 {ignore} 有些时候,我们需要针对生产环境和开发环境分别书写webpack配置 为了更好的适应这种要求,webpack允许配置不仅可以是一个对象,还可以是一个函数 module.exports env > {return {//配置内容…

通话记录生成器怎么使用

通话记录生成器是一种可以模拟生成通话记录的软件工具,使用起来相对简单。以下是使用步骤: 导入目标号码:您需要将想要生成通话记录的目标号码输入到软件中。这可以通过直接复制粘贴电话号码,或者如果是图片或纸质文件中的号码&am…

分布式与一致性协议之CAP和Paxos算法(一)

CAP 理论 如何使用BASE理论 以InfluxDB系统中DATA节点的集群实现为例。DATA节点的核心功能是读和写,所以基本可用是指读和写的基本可用。我们可以通过分片和多副本实现读和写的基本可用。也就是说,将同一业务的数据先分片,再以多份副本的形…

四种网络IO模型

📝个人主页:五敷有你 🔥系列专栏:面经 ⛺️稳中求进,晒太阳 IO的定义 IO是计算机内存与外部设备之间拷贝数据的过程。CPU访问内存的速度远高于外部设备。因此CPU是先把外部设备的数据读取到内存,在…

有趣的大模型之我见 | Llama AI Model

Llama 开源吗? 我在写《有趣的大模型之我见 | Mistral 7B 和 Mixtral 8x7B》时曾犹豫,在开源这个事儿上,到底哪个大模型算鼻祖?2023 年 7 月 18 日,Meta 推出了最受欢迎的大型语言模型(LLM)的第…

20 | 幻读是什么,幻读有什么问题?

幻读是什么? 假设的场景,不是真实的结果 幻读”做一个说明: 在可重复读隔离级别下,普通的查询是快照读,是不会看到别的事务插入的数据的。因此,幻读在“当前读”下才会出现。上面 session B 的修改结果,被 session A 之后的 select语句用“当前读”看到,不能称为幻读…

iview 自定义项求和的方法和错误点

这是iview自定义某几项参数合计的方法,其实是蛮简单的,很多人自定义合计的时候,老是会不知道怎么处理除了需要合计的几项的其他项,其实不需要管,不需要合计的项直接返回空就好了,需要的就在计算的里面做key…

ThreeJs模拟工厂生产过程八

这节算是给这个车间场景收个尾,等了几天并没有人发设备模型给我,只能自己找了一个凑合用了。加载模型之前,首先要把货架上的料箱合并,以防加载模型之后因模型数量多出现卡顿,方法和之前介绍的合并传送带方法相同&#…

【HTTP协议】了解http需要学习哪些内容

HTTP(Hypertext Transfer Protocol)是超文本传输协议,互联网上应用最广泛的一种协议,它负责在客户端和服务器之间传输数据。本文将从HTTP协议的基本原理、请求-响应模型、常见特性以及应用场景等方面进行总结。 1. HTTP基本原理 …

react 基于qrcode.react生成颜色不同 , 样式不同的二维码

实现效果: 1 首先在react中 , 导入下载qrcode.react npm install qrcode.react2 在react中导入使用 , 并导入ui样式 import QRcode1 from /assets/images/QRcode1.png import QRcode2 from /assets/images/QRcode2.png import QRcode3 from /assets/images/QRcode3.png impo…

Qt客服端开发的组件库

Qt 是一个功能丰富的跨平台 C 应用程序框架,它包含了许多用于不同目的的组件库。以下是一些主要的 Qt 组件库,这些库为开发者提供了广泛的工具和功能,以便构建复杂的应用程序。北京木奇移动技术有限公司,专业的软件外包开发公司&a…

二、再识VUE-MVVM

一、初识VUE 二、再识VUE-MVVM 三、VUE数据代理 MVVM Vue.js 专注于 MVVM 模型的 ViewModel 层。它通过双向数据绑定把 View 层和 Model 层连接了起来。实际的 DOM 封装和输出格式都被抽象为了 Directives 和 Filters。 ViewModel 一个同步 Model 和 View 的对象。在 Vue.js…

综合性练习(后端代码练习1)——加法计算器

目录 一、准备工作 二、约定前后端交互接口 1、概念介绍 2、需求分析 3、接口定义 请求参数 响应数据 三、服务器代码 四、前端页面代码 五、运行测试 遇到问题如何解决? 需求:输入两个整数,点击 “点击相加” 按钮,显…

计算机服务器中了mkp勒索病毒怎么办,mkp勒索病毒解密数据恢复流程

网络技术的不断应用与发展,为企业的生产运营带来了极大便利,越来越多的企业依赖网络开展各项工作业务,网络也大大提升了企业的生产运营效率,但网络是一把双刃剑,在为企业提供便利的同时,也为企业的数据安全…