卡尔曼滤波器(代码).pdfVIP

第7章 卡尔曼滤波器 第7章 卡尔曼滤波器 7.1 卡尔曼滤波器的信号模型 7.1 卡尔曼滤波器的信号模型 7.2 卡尔曼滤波器的算法 7.2 卡尔曼滤波器的算法 7.3 举例 7.3 举例 参考书目：随机信号处理，陆光华等编著，西电出版社，2002 参考书目：随机信号处理，陆光华等编著，西电出版社，2002 7.1 卡尔曼滤波器的信号模型 7.1 卡尔曼滤波器的信号模型 1960年，R.E.Kalman发表了采用递推的方法解决离散数 1960年，R.E.Kalman发表了采用递推的方法解决离散数 据线性滤波的问题(A New Approach to Linear Filtering 据线性滤波的问题(A New Approach to Linear Filtering and Prediction Problems，Transactions of the ASME- and Prediction Problems，Transactions of the ASME- Journal of Basic Engineering, 82 (Series D): 35- Journal of Basic Engineering, 82 (Series D): 35- 45,1960) ，从此以后，随着数字计算技术的发展， 45,1960) ，从此以后，随着数字计算技术的发展， Kalman滤波器得到了深入的研究和发展。 Kalman滤波器得到了深入的研究和发展。 问题的描述： 卡尔曼滤波器是用来估计一个由线性随机差分方程 卡尔曼滤波器是用来估计一个由线性随机差分方程 所描述的时间离散系统的状态x : 所描述的时间离散系统的状态x : x (k ) Ax(k −1) +Bu(k −1) +w(k −1) (7.1.1) y (k ) Cx (k ) =+v (k ) 其中x 为系统的状态，A,B是由系统的结构确定的矩 其中x 为系统的状态，A,B是由系统的结构确定的矩 阵，y 为观测值，C为观测矩阵，随机变量w和v代表系 阵，y 为观测值，C为观测矩阵，随机变量w和v代表系 统噪声和观测噪声，且相互独立，一般假定w和v服从 统噪声和观测噪声，且相互独立，一般假定w和v服从 正态分布，且系统噪声和观测噪声的协方差阵分别为 正态分布，且系统噪声和观测噪声的协方差阵分别为 Q,R。 Q,R。 p (w ) ∼N (0,Q ) (7.1.2) p (v ) ∼N (0,R ) 卡尔曼滤波器的任务：是从观测值y 中得到系统状态x在 卡尔曼滤波器的任务：是从观测值y 中得到系统状态x在 ˆ x 最小均方误差意义下的最佳逼近 。 最小均方误差意义下的最佳逼近 。 设从第一时刻到第k 时刻，系统的观测值为y ,y ,y ， 设从第一时刻到第k 时刻，系统的观测值为 1 2 k ， x 根据这k个观测数据，对第j 时刻的系统状态 进行估