互补滤波器外文翻译中文(编辑修改稿)内容摘要：
噪声大 x 轴将读取任何水平加速度作为一个角的变化。 (想象的平台水平 ,但汽车造成加速前进。 加速度计不能区分这重力 )。 方法 2如图 : 优点： 依旧直观 依旧容易编码 过滤掉短期水平加速度。 只有长期的加速度 (重力 )通过。 缺点 ： 由于平均滞后角测量。 过滤器的越多 ,它就越滞后。 延迟通常不利于稳定。 方法 3如图： 优点： 据说 theoreticallyideal过滤器结合噪声传感器可得到干净、准确的估计。 考虑系统的已知的物理性质 (质量、惯性等 )。 缺点： 我不知道它是如何工作的。 这在数学上是复杂的 ,需要一些线性代数的知识。 不同的情况有不同的形式。 很难编码 消耗 CPU 时间 方法四如下： 优点： 可以帮助解决噪声、漂移和横向加速度的依赖。 角度估计的滞后 ,远低于低通滤波器。 并不是那么消耗 CPU 时间 缺点： 比简单的过滤器 需要 更多的理论 ,但一点也不像卡尔曼滤波器。 更多关与数字滤波器的问题 背后有很多理论数字过滤器 ,其中大部分我不明白 ,但相当容易掌握的基本概念没有理论符号 (zdomain 转移函数 ,如果你去的话 )。 这里有一些定义 : 积分： 这是很容易的。 认为汽车旅行与一个已知的速度和你的程序是一个时钟 ,每隔几 毫秒就计时。 为了得到 每个 计时点 的新 位置 ,你把旧的位置并添加位置的变化。 位置的变化只是汽车的速度乘以时间。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。