1.简介卡尔曼滤波（Kalmanfiltering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。详情见：卡尔曼滤波简介MPU6050的解算主要有三种姿态融合算法：四元数法、一阶互补算法和卡尔曼滤波算法。我们常用的DMP库使用的是四元数法，本文采用卡尔曼滤波算法，使用RT-Thread国产操作系统，利用env工具进行串口、模拟IIC环境配置，使用10ms的线程进行卡尔曼滤波解算。2.设计思想因为MPU6050没有包含磁力计，故无法对yaw轴运用卡尔曼滤波算法。利用MPU6050中加
1.简介卡尔曼滤波（Kalmanfiltering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。详情见：卡尔曼滤波简介MPU6050的解算主要有三种姿态融合算法：四元数法、一阶互补算法和卡尔曼滤波算法。我们常用的DMP库使用的是四元数法，本文采用卡尔曼滤波算法，使用RT-Thread国产操作系统，利用env工具进行串口、模拟IIC环境配置，使用10ms的线程进行卡尔曼滤波解算。2.设计思想因为MPU6050没有包含磁力计，故无法对yaw轴运用卡尔曼滤波算法。利用MPU6050中加
本文参考：从放弃到精通！卡尔曼滤波从理论到实践~_哔哩哔哩_bilibili目录1.卡尔曼滤波入门2.学卡尔曼滤波的必备知识2.1.状态空间表达式2.2.高斯分布2.3.方差2.4.超参数2.5.卡尔曼直观图解3.卡尔曼滤波3.1.卡尔曼公式理解3.2.调节超参数3.2.1.Q和R的取值3.2.2.P0和X0的取值3.2.3.卡尔曼滤波的使用1.卡尔曼滤波入门卡尔曼滤波的引入：滤波就是将测量得到的波形中的的噪声过滤掉，使得到的数据更趋于真实情况，也更加平滑，方便使用。如下图所示（红色曲线是测量直接得到的波形，紫色曲线是滤波后得到的平滑曲线）卡尔曼滤波适用的系统：卡尔曼滤波适用线性高斯系统1.线
本文参考：从放弃到精通！卡尔曼滤波从理论到实践~_哔哩哔哩_bilibili目录1.卡尔曼滤波入门2.学卡尔曼滤波的必备知识2.1.状态空间表达式2.2.高斯分布2.3.方差2.4.超参数2.5.卡尔曼直观图解3.卡尔曼滤波3.1.卡尔曼公式理解3.2.调节超参数3.2.1.Q和R的取值3.2.2.P0和X0的取值3.2.3.卡尔曼滤波的使用1.卡尔曼滤波入门卡尔曼滤波的引入：滤波就是将测量得到的波形中的的噪声过滤掉，使得到的数据更趋于真实情况，也更加平滑，方便使用。如下图所示（红色曲线是测量直接得到的波形，紫色曲线是滤波后得到的平滑曲线）卡尔曼滤波适用的系统：卡尔曼滤波适用线性高斯系统1.线
为什么会产生出Ｍel这种尺度的机制呢？人耳朵具有特殊的功能，可以使得人耳朵在嘈杂的环境中，以及各种变异情况下仍能正常的分辨出各种语音；其中，耳蜗有关键作用;耳蜗实质上的作用相当于一个滤波器组，耳蜗的滤波作用是在对数频率尺度上进行的，在1000HZ以下为线性尺度，1KHZ以上为对数尺度，使得人耳对低频信号敏感，高频信号不敏感；也就是说，当初产生这种机制主要是为了模拟，人耳朵的听觉机制；根据这一原则，从而研制出来了Ｍel频率滤波器组， 所以，Ｍel滤波器组的在靠近低频出越密集，越靠近高频出，滤波器越稀疏；1.简介梅尔刻度为什么需要Mel刻度：MEL刻度模拟人耳对不同频率语音的感知：研究表明，人类对
为什么会产生出Ｍel这种尺度的机制呢？人耳朵具有特殊的功能，可以使得人耳朵在嘈杂的环境中，以及各种变异情况下仍能正常的分辨出各种语音；其中，耳蜗有关键作用;耳蜗实质上的作用相当于一个滤波器组，耳蜗的滤波作用是在对数频率尺度上进行的，在1000HZ以下为线性尺度，1KHZ以上为对数尺度，使得人耳对低频信号敏感，高频信号不敏感；也就是说，当初产生这种机制主要是为了模拟，人耳朵的听觉机制；根据这一原则，从而研制出来了Ｍel频率滤波器组， 所以，Ｍel滤波器组的在靠近低频出越密集，越靠近高频出，滤波器越稀疏；1.简介梅尔刻度为什么需要Mel刻度：MEL刻度模拟人耳对不同频率语音的感知：研究表明，人类对
RC滤波电路RC低通滤波器的基本结构如下图所示：RC低通滤波器的基本结构根据RC低通滤波器的频率响应曲线，其幅频曲线和相频曲线主要有如下特征：1、上限频率f=1/(2πRC)。上限频率之前的幅度变化接近于0dB，之后幅度按斜率-20dB/十倍频。2、相位从0.1f处的0度滞后到10f处的90度滞后。实际使用中具体选择R、C的值时，不仅要考虑R、C的频率特性，还要考虑信号源的内部阻抗和负载的阻抗：（1）C值的选取：C选的太小，导致负载电容对滤波电路的影响很大，一般IC的输入电容往往有1~10pF的输入电容。C值选的太大，则会影响滤波电路的高频特性，因为大电容的高频特性一般都不好。（2）R值的选取
RC滤波电路RC低通滤波器的基本结构如下图所示：RC低通滤波器的基本结构根据RC低通滤波器的频率响应曲线，其幅频曲线和相频曲线主要有如下特征：1、上限频率f=1/(2πRC)。上限频率之前的幅度变化接近于0dB，之后幅度按斜率-20dB/十倍频。2、相位从0.1f处的0度滞后到10f处的90度滞后。实际使用中具体选择R、C的值时，不仅要考虑R、C的频率特性，还要考虑信号源的内部阻抗和负载的阻抗：（1）C值的选取：C选的太小，导致负载电容对滤波电路的影响很大，一般IC的输入电容往往有1~10pF的输入电容。C值选的太大，则会影响滤波电路的高频特性，因为大电容的高频特性一般都不好。（2）R值的选取
相关源码和数据文件已经更新在github：https://github.com/Wuito/Estimation-of-residual-life-of-particle-filter-lithium-ion-battery粒子滤波采样粒子滤波算法的完整建立在Gordon，Salmond和Smith提出的重采样技术上，并且一种新的采样算法（采样-重要性重采样）的发现和不断改良也对粒子滤波算法进行了丰富。粒子滤波重采样常用的重采样方法可以分为四类：最临近值重采样法，双线性重采样法，双立方重采样法，插值重采样法。1）最邻近值重采样法:指的是比较目标图像与原图像的宽或者高，并且以此将原图像相对位置的
相关源码和数据文件已经更新在github：https://github.com/Wuito/Estimation-of-residual-life-of-particle-filter-lithium-ion-battery粒子滤波采样粒子滤波算法的完整建立在Gordon，Salmond和Smith提出的重采样技术上，并且一种新的采样算法（采样-重要性重采样）的发现和不断改良也对粒子滤波算法进行了丰富。粒子滤波重采样常用的重采样方法可以分为四类：最临近值重采样法，双线性重采样法，双立方重采样法，插值重采样法。1）最邻近值重采样法:指的是比较目标图像与原图像的宽或者高，并且以此将原图像相对位置的
