实验台/卡尔曼滤波在干什么
实验 5 / 6 · 交互 · 对比
卡尔曼滤波在干什么
一条抖动很大的传感器数据，怎么变成平滑又不延迟的估计。
滤波器参数
过程噪声 QQ 1.0
测量噪声 RR 0.010
低通系数 α0.14
误差
RMSE—
卡尔曼好多少—
一维匀速模型（状态 = 位置 + 速度），标准 KF 递推，可对照任何教材第一课。
这个实验在解决什么
「用卡尔曼滤波」几乎是简历标配，但很多人说不清它和低通的区别。区别只有一句：低通只用测量，卡尔曼同时用模型预测和测量，并按各自的不确定性加权。
怎么读这张图
黑线是真实值（藏在噪声里），灰点是传感器读数，蓝线是低通，红线是卡尔曼。低通要平滑就得加大时间常数，代价是相位滞后——你看蓝线总是慢半拍。卡尔曼滞后小得多，因为它知道「上一刻在哪、速度多少」。
动手改
把过程噪声 Q 调大，红线变得更贴测量（更抖）；调小，红线变得更信模型（更平滑但可能跑偏）。再改测量噪声 R，体会两个参数在做什么权衡。