互补滤波数据融合进行姿态解算能不能简化成这个思路

Question

我的思路是把互补滤波得到的姿态角简化成如下形式（以俯仰角举例）：
Pitch=Ka*PitchG+(1-Ka)PitchA;
其中Pitch是最终修正得到的俯仰角的值，PitchG和PitchA分别是通过陀螺仪和加速度计得到的俯仰角的值，具体关系是：
PitchG=PitchG+GyroXdt;
PitchA=atan(AcceX/AcceZ);
GyroX是IMU绕x轴旋转的角速度，AcceX和AcceZ分别是IMU在x轴和z轴上的加速度。PitchG为GyroX的积分，PitchA为以重力加速度为基准得到的俯仰角。
Ka是陀螺仪数据的权重。当GyroX超出一定范围时，认定IMU处于快速运动状态，而陀螺仪的动态测量效果更好，就通过陀螺仪数据与加速度数据的误差e作为P算法的误差信号来增大Ka的值。当GyroX在一定范围内，认定IMU处于缓慢运动或者静止状态，而加速度计的静态测量效果更好，就用同样的P算法来减小Ka的值。同时也对误差e限幅，防止误差过大而导致Ka变化过快。同时也对Ka限幅，保证Ka在0到1之间。
由于陀螺仪测得的角速度存在误差，积分后会发生积分漂移，并且这个漂移会随着时间推移越来越大，所以当误差e大于某个值后就把数据融合得到的Pitch赋值到PitchG来进行校准。
我看好多互补滤波姿态解算都要用各种矩阵，我大一新生看不大懂，就不知道这个思路是否可行。