| 原来的程序发现很多错误，所以删掉了不敢说自己掌握了卡尔曼算法。只是死磕卡尔曼一周后的一点心得。最近飞控比较火，卡尔曼顺带也热门起来。不过我没打算要做飞控，用它只是想提高电子称的精度（工作上要用,后来发现并不适合卡尔曼，改回原来的平滑滤波了）。要了解卡尔曼先要扯远一点，算数平均法是我们常用的滤波方式。多采几个样，相加，求平均数x=（a0+a1+a2）/3在这个基础上做一些改进，比如，最近采的样比较重要权重比较高x=a0*0.1+a1*0.3+a2*0.6接着呢又觉得0.1，0.3，0.6系数是固定的，比较蠢，比较木头，能不能根据实际情况自动改变于是就有了自适应滤波牛人卡尔曼（还活着现在）发明了一种“简单的”自适应滤波方法“卡尔曼滤波”卡尔曼算法有两个重点，1，是“预测”，举个例子：飞控里面，我们可以用重力加速传感器测出“现在”相对与地面的角度（重力的方向）。然后就可以“预测” 1秒后 的角度为：“一秒后角度”=“现在角度”+1秒*“旋转角速度”也就是大家说的“数据融合”，如果出现多个数据融合，用矩阵就会更直观一点。幸运的是飞控不是太复杂，不用死啃矩阵。2，“p“值更新这个现在还没搞的很清楚，就不在这里卖了 |
