Mọi lộ trình

Hợp nhất cảm biến và bộ lọc Kalman

Toán học đằng sau việc hợp nhất cảm biến, trung thực về giới hạn của nó: nhiễu dưới dạng phương sai, EMA, bộ lọc complementary được suy ra, bộ lọc Kalman từ một trạng thái lên hai, GPS hợp nhất với la bàn, và một màn hình tư thế tự học độ lệch gyro.

Arduino Uno R3Miễn phí7 bài học7 h4 chương3.920 XPRobotics · Chuyên gia+400 XP

Đã hoàn thành 0 trên 7

Bạn sẽ làm được gì

3 dự án, làm từng bước một

7 bài học trong 4 chương, khoảng 7 giờ trên bo mạch Arduino Uno R3 mô phỏng. Miễn phí, ngay trong trình duyệt, mỗi bước đều được trình mô phỏng kiểm tra.

Dự án chương 1

Trung bình trượt và EMA

Hai bộ lọc làm mượt trên cùng một nhiễu: trung bình trượt của 8 và trung bình trượt hàm mũ. Dự đoán mỗi bộ lọc loại bỏ được bao nhiêu nhiễu và trễ bao lâu, đo cả hai bằng một phép thử bước nhảy, và đánh đổi cái này lấy cái kia.

Mở trong trình mô phỏng
Dự án chương 2

The 1D Kalman filter

Một trạng thái, bốn dòng: dự đoán, độ lợi, cập nhật, thu hẹp. Tự tay tính những bước đầu tiên, xem độ lợi hội tụ về trạng thái ổn định do Q và R quyết định, phát hiện một bước nhảy bằng phép thử innovation, và xem điều gì xảy ra khi R sai.

Mở trong trình mô phỏng
Dự án chương 3

GPS kết hợp IMU

Một GPS NEO-6M và la bàn MPU-9250 được hợp nhất thành một vị trí: suy diễn vị trí từ tốc độ và hướng giữa hai lần cập nhật, một độ lợi cân nhắc cho mỗi lần cập nhật GPS, sai số được đo so với giá trị thực, một khoảng mất tín hiệu GPS, và một la bàn sai 10 độ.

Mở trong trình mô phỏng
Bản đồ

Từng chương một

Mỗi bài học mở ra khi bài trước hoàn thành, và mỗi chương kết thúc bằng một dự án.

Chương 1

Nhiễu, được đo lường

Phương sai, định luật căn bậc hai, và nhiễu cùng độ trễ của hai bộ lọc làm mượt thông dụng.

  1. Mở380 XP

    Nhiễu, được đo lường

    Mọi bộ lọc đều bắt đầu từ một con số cho nhiễu. Đo một tín hiệu pitch nhiễu trong các cửa sổ 200 mẫu: trung bình, độ lệch chuẩn, phương sai và quy tắc 68-95, rồi xem phép lấy trung bình giảm nhiễu theo căn bậc hai của số mẫu.

    0/6 bước

  2. Dự ánĐã khóa760 XP

    Trung bình trượt và EMA

    Hai bộ lọc làm mượt trên cùng một nhiễu: trung bình trượt của 8 và trung bình trượt hàm mũ. Dự đoán mỗi bộ lọc loại bỏ được bao nhiêu nhiễu và trễ bao lâu, đo cả hai bằng một phép thử bước nhảy, và đánh đổi cái này lấy cái kia.

    0/6 bước

5 câu hỏi, được chấm ngay khi bạn trả lời.
Chương 2

Từ hợp nhất tới Kalman

Bộ lọc bổ trợ được suy ra, rồi bộ lọc Kalman vô hướng được đưa tới trạng thái ổn định.

  1. Đã khóa380 XP

    Bộ lọc bổ trợ, được suy ra

    Bộ lọc bạn từng chỉnh bằng tay, nay được làm đúng cách: alpha từ tau và dt, tần số chuyển giao nơi gyro nhường cho trọng lực, sai số ổn định do bias để lại (bias x tau), và nhiễu của gia tốc kế lọt qua, mỗi thứ đều được dự đoán rồi đo kiểm.

    0/6 bước

  2. Dự ánĐã khóa760 XP

    The 1D Kalman filter

    Một trạng thái, bốn dòng: dự đoán, độ lợi, cập nhật, thu hẹp. Tự tay tính những bước đầu tiên, xem độ lợi hội tụ về trạng thái ổn định do Q và R quyết định, phát hiện một bước nhảy bằng phép thử innovation, và xem điều gì xảy ra khi R sai.

    0/6 bước

5 câu hỏi, được chấm ngay khi bạn trả lời.
Chương 3

Kalman thực tế

Góc và bias trong bộ lọc hai trạng thái, và một GPS hợp nhất với la bàn, kể cả la bàn sai.

  1. Đã khóa380 XP

    Kalman cho nghiêng

    Góc nghiêng bằng Kalman filter của thư viện: một MPU6050 qua bộ lọc hai trạng thái của TKJ Electronics, góc và bias của gyro, vẽ cạnh gia tốc kế, gyro đơn thuần và một bộ lọc bổ trợ. Đọc các ma trận 2 x 2, theo dõi một lần nghiêng, và siết mức cân bằng.

    0/6 bước

  2. Dự ánĐã khóa860 XP

    GPS kết hợp IMU

    Một GPS NEO-6M và la bàn MPU-9250 được hợp nhất thành một vị trí: suy diễn vị trí từ tốc độ và hướng giữa hai lần cập nhật, một độ lợi cân nhắc cho mỗi lần cập nhật GPS, sai số được đo so với giá trị thực, một khoảng mất tín hiệu GPS, và một la bàn sai 10 độ.

    0/7 bước

5 câu hỏi, được chấm ngay khi bạn trả lời.
Chương 4

Dự án tổng kết

Một chân trời nhân tạo tự học bias của gyro và giữ vững qua một cú lắc.

  1. Đã khóa400 XP

    Boss: màn hiển thị tư thế ổn định

    Một chân trời nhân tạo trên OLED SSD1306, điều khiển bởi hai bộ lọc Kalman hai trạng thái viết ngay trong sketch: chúng tự học bias của từng gyro khi chạy, theo dõi một lần nghiêng, và giữ vững qua một cú lắc bằng cách tin gyro khi gia tốc kế nói dối.

    0/7 bước

3 câu hỏi, được chấm điểm ngay khi bạn làm.
Chứng chỉ

Chứng chỉ khi bạn hoàn thành

Hoàn thành mọi bài học và vượt qua mọi bài kiểm tra cuối chương, Mokxi sẽ cấp chứng chỉ ghi tên bạn, được xác minh trên trang riêng của nó.

Số chứng chỉ:MXC0-URSE-0001

Chứng chỉ Hoàn thành

Chứng nhận rằng

Tên Của Bạn

đã hoàn thành tốt khóa học

Hợp nhất cảm biến và bộ lọc Kalman

Bao gồm Noise, measured, From fusion to Kalman, Kalman for real và Boss build.

7 bài học, khoảng 7 giờ học

DaneDane, Nhà sáng lập, MokxiCấp ngày 17 tháng 11, 2026
Xác minh chứng chỉ nàymokxi.com/cert/MXC0URSE0001
Chứng chỉ

Nhận chứng chỉ của bạn

  • Tên bạn và một mã số duy nhấtIn trên chứng chỉ khổ ngang thuộc về bạn.
  • Được Mokxi xác minhMã QR và trang công khai để ai cũng có thể kiểm tra.
  • Thêm vào LinkedInMột cú nhấp điền sẵn biểu mẫu chứng chỉ trên LinkedIn.
  • Tải về PDFIn ra hoặc đính kèm vào CV hay hồ sơ xin việc.

Hoàn thành khóa học để nhận chứng chỉ có thể xác minh, ghi tên bạn, kèm mã QR và liên kết cho LinkedIn. Chứng chỉ đi kèm gói Pro, và 7 ngày dùng thử miễn phí.

Nội dung khóa học

Mọi bài học trong khóa

Tất cả 7 bài học, theo thứ tự, kèm nội dung mỗi bài. Bất kỳ bài nào cũng mở ngay trong trình soạn code.

Chương 1

Nhiễu, được đo lường

  1. Nhiễu, được đo lườngMọi bộ lọc đều bắt đầu từ một con số cho nhiễu. Đo một tín hiệu pitch nhiễu trong các cửa sổ 200 mẫu: trung bình, độ lệch chuẩn, phương sai và quy tắc 68-95, rồi xem phép lấy trung bình giảm nhiễu theo căn bậc hai của số mẫu.
  2. Trung bình trượt và EMAHai bộ lọc làm mượt trên cùng một nhiễu: trung bình trượt của 8 và trung bình trượt hàm mũ. Dự đoán mỗi bộ lọc loại bỏ được bao nhiêu nhiễu và trễ bao lâu, đo cả hai bằng một phép thử bước nhảy, và đánh đổi cái này lấy cái kia.
Chương 2

Từ hợp nhất tới Kalman

  1. Bộ lọc bổ trợ, được suy raBộ lọc bạn từng chỉnh bằng tay, nay được làm đúng cách: alpha từ tau và dt, tần số chuyển giao nơi gyro nhường cho trọng lực, sai số ổn định do bias để lại (bias x tau), và nhiễu của gia tốc kế lọt qua, mỗi thứ đều được dự đoán rồi đo kiểm.
  2. The 1D Kalman filterMột trạng thái, bốn dòng: dự đoán, độ lợi, cập nhật, thu hẹp. Tự tay tính những bước đầu tiên, xem độ lợi hội tụ về trạng thái ổn định do Q và R quyết định, phát hiện một bước nhảy bằng phép thử innovation, và xem điều gì xảy ra khi R sai.
Chương 3

Kalman thực tế

  1. Kalman cho nghiêngGóc nghiêng bằng Kalman filter của thư viện: một MPU6050 qua bộ lọc hai trạng thái của TKJ Electronics, góc và bias của gyro, vẽ cạnh gia tốc kế, gyro đơn thuần và một bộ lọc bổ trợ. Đọc các ma trận 2 x 2, theo dõi một lần nghiêng, và siết mức cân bằng.
  2. GPS kết hợp IMUMột GPS NEO-6M và la bàn MPU-9250 được hợp nhất thành một vị trí: suy diễn vị trí từ tốc độ và hướng giữa hai lần cập nhật, một độ lợi cân nhắc cho mỗi lần cập nhật GPS, sai số được đo so với giá trị thực, một khoảng mất tín hiệu GPS, và một la bàn sai 10 độ.
Chương 4

Dự án tổng kết

  1. Boss: màn hiển thị tư thế ổn địnhMột chân trời nhân tạo trên OLED SSD1306, điều khiển bởi hai bộ lọc Kalman hai trạng thái viết ngay trong sketch: chúng tự học bias của từng gyro khi chạy, theo dõi một lần nghiêng, và giữ vững qua một cú lắc bằng cách tin gyro khi gia tốc kế nói dối.
Bộ kit

Cùng lắp trên bàn thực hành của bạn

Mỗi bài học đều chạy trong trình mô phỏng, không cần mua gì. Khi bạn muốn làm thật, các bộ kit này có sẵn linh kiện.

Đã có kit rồi?

Tìm kit của bạn

Chọn bộ kit khởi đầu bạn đang có và chạy mọi bài học trong sách hướng dẫn với cùng linh kiện trên cùng các chân.

Xem tất cả các kit
Câu hỏi

Giới thiệu về Sensor fusion và Kalman filter

Sensor fusion và Kalman filter có miễn phí không?

Có. Cả 7 bài học của Sensor fusion và Kalman filter đều miễn phí và chạy ngay trong trình duyệt, không cần cài đặt gì và không phải mua linh kiện nào trước khi bắt đầu.

Tôi có cần một Arduino Uno R3 thật không?

Không. Mỗi bài học chạy trên một Arduino Uno R3 mô phỏng cùng các linh kiện trên khung vẽ, và trình mô phỏng kiểm tra từng bước khi bạn thực hiện. Khi bạn muốn làm thật, cùng cách nối dây và code đó chạy được trên bo mạch thật.

Sensor fusion và Kalman filter mất bao lâu?

Khoảng 7 giờ: 7 bài học trong 4 chương, mỗi bài gồm vài bước ngắn. Tiến độ của bạn được lưu lại, nên bạn có thể dừng sau bất kỳ bài học nào và tiếp tục từ chỗ đã dừng.

Mình sẽ làm được gì?

Each chapter ends in a project that puts it together: Moving average and EMA, The 1D Kalman filter and GPS plus IMU.

Bắt đầu từ đâu?

Với "Nhiễu, được đo lường", mỗi bài học đều xây dựng trên bài trước đó. Mới tìm hiểu mạch điện? Electronics basics là khóa học bắt đầu từ con số không.