卡尔曼滤波算法可以用于（ ）
A: 状态估计
B: 状态预测
C: 状态平滑
D: 系统辨识
A: 状态估计
B: 状态预测
C: 状态平滑
D: 系统辨识
举一反三
- 以下状态估计方法是基于卡尔曼滤波算法基本思想发展的() A: 扩展卡尔曼滤波算法 B: 无迹卡尔曼滤波算法 C: 滑模滤波算法 D: 容积卡尔曼滤波算法
- 【滤波理论】下列对卡尔曼滤波的基本特点描述正确的是： A: 卡尔曼滤波是一种集中式的数据处理算法 B: 卡尔曼滤波能实现对离散线性系统状态的线性最小均方估计 C: 卡尔曼滤波不能对非平稳过程进行状态估计 D: 卡尔曼滤波器不能适用于多输入多输出系统的状态估计
- 卡尔曼滤波的5个方程包括状态预测方程、均方方差预测方程、增益方程、状态估计方程及均方误差估计方程。（ ）
- 下列属于卡尔曼滤波的主要步骤包括（ ）。 A: 状态一步预测 B: 滤波增益计算 C: 一步预测均方误差计算 D: 状态估计均方误差计算
- 关于卡尔曼滤波算法，下列说法正确的是 A: 卡尔曼滤波是一组线性最小均方估计的递推算法； B: 卡尔曼滤波能够提供离散时间线性系统状态的线性最小均方估计； C: 卡尔曼滤波在应用时需要对随机动态线性系统建立模型； D: 在卡尔曼滤波算法推导中，系统扰动噪声和测量噪声都是假定为白噪声。