【数盟致力于成为最卓越的数据科学社区，聚焦于大数据、分析挖掘、数据可视化领域，业务范围：线下活动、在线课程、猎头服务】数盟DSM数据科学聚会@上海，大牛与你谈数据谈人生，报名点击底部阅读原文作者：Liu_LongPo 出处：Liu_LongPo的博客卡尔曼滤波器是一种利用线性系统
在许多姿态估计和导航应用中，陀螺仪和加速度计是两个常用的传感器。然而，单独使用它们可能会受到各种噪声和误差的影响。为了获得更准确和稳定的姿态信息，通常会将两者的数据进行融合。前面一篇文章《机器人如何知道自己的姿态？
让我们把卡尔曼滤波器看作一个黑盒。卡尔曼滤波器有输入和输出。输入是有噪声的，有时是不准确的测量。输出的噪声更少，有时估计更准确。估计可以是未测量或观测到的系统状态参数。最后一句话描述了卡尔曼滤波的超能力。同样，卡尔曼滤波估计的系统参数没有观察或测量。
随着科技发展，学者们采用多传感器融合技术，将多类信息按照某种最优融合准则进行“融合”，让导航领域中出现了各种各样的组合导航方案，如光纤陀螺捷联惯导系统、低成本的MEMS/MOEMS陀螺捷联惯导系统与GPS、GLONSS、“北斗”导航系统组合的导航系统等等。
【能源人都在看，点击右上角加'关注'】导读为了减小模型参数发生变化带来的影响，提高锂电池荷电状态(SOC)的估计精度，提出了一种改进的扩展卡尔曼滤波算法(I-EKF)。电池荷电状态(SOC)的定义是电池剩余电量占可用总电量的百分比。
摘 要： 随着国家低空开放的进度加快，如何进行有效的低空空域监管成为一个急需解决的问题。基于数传电台和DSP开发技术，提出了一种可靠的低空监视系统解决方案，结合卡尔曼滤波算法，提高了定位精度和位置预估水平。通过实验验证了系统的可靠性。
