關於濾波

F91

小弟提供兩個濾波方法,
一個容易實現但擴充性不高,另一個數學複雜(但其實很容易實現)且擴充性高.

1. Moving Average (移動平均值)
請參考
http://zh.wikipedia.org/wiki/%E7%A7%BB%E5%8B%95%E5%B9%B3%E5%9D%87
大概3行C Code就可以實現,是目前我所知最簡單的濾波方法.

*優點: 真的很簡單實現,保證濾出來很平滑
*缺點: 因為是用平均的,所以出來的訊號會有點delay的感覺,如果要求要即時,這方法就不適用

2.  Kalman Filter (卡曼濾波器)
請參考
http://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf  (12頁的5個數學式子)
大概5行C Code就可以實現 單軸的濾波, 你要3軸的話就是15行

*優點: 可以跟陀螺儀(Gyro)繼續做感測融合(sensor fusion),可估測機器人的姿態
*缺點: 數學看起來很複雜,大部分人望之卻步

------------------
這兩個方法是我最早學到的濾波方法,一個是五行拳,一個是降龍十八掌,
自從會了降龍十八掌後,不管是打大魔王 小雜魚 都是用它打~~
(會降龍十八掌 誰還想用五行拳阿 客官 你說是嗎?@@")
阿 好像離題了! 就降子....

F91

G大,

你說的"互補濾波器",我以前有看過類似的,只差在用gyro跟inclinometer.
http://www.geology.smu.edu/dpa-www/robo/balance/inertial.pdf

關於你說的Kalman Filter 的 進程方程 跟 觀測方程
(在probabilistic robotics 我們通常稱為 motion model , sensor model)
的確照paper第12頁上的做法,Kalman filter的效果會類似低通濾波器,
但是我之所以這樣子建議是因為考慮到未來的擴充性,
譬如:
實驗1: 用KF濾 加速規雜訊,用來算機器人的加速度.
實驗2: 用KF把 加速規 & 陀螺儀 感測融合,用來算機器人三軸的姿態.
實驗3: 用KF把 加速規 & 陀螺儀 & 雷射 感測融合,用來算機器人的定位和環境地圖


兩個方法的差別在基本假設不同,
如果雜訊是高頻或低頻的, KF的效果不會比頻率型的濾波器還好,
如果雜訊是機率型的,KF的效果會比頻率型濾波器的好,

考量到未來的應用性,我才會建議用KF,
但如G大所說,的確一般初學者會產生那些問題.

F91

所以我說 這個就像降龍十八掌一樣,
內力不夠一施展起來就經脈俱碎,
內力夠的話,可以排山倒海~~~~
(好吧! 我承認我這篇是來賺積分的 )