Kalman滤波算法及其在非高斯噪声下应用熵理论的滤波设计.pdf

摘要 摘要 自从Wiener 滤波以来，估计问题包括滤波、预测、平滑已经成为控制、通 信领域关键的研究课题。但是Wiener 滤波很难实现信号的实时处理，而Kalman 滤波正好弥补了这一缺陷，当信号含有噪声时，Kalman 滤波可以在最小均方差 条件下给出信号的最佳估计，而且是在时域中采用递推方式下进行，因此速度 快，便于实现。 2 传统的Kalman 滤波算法是建立在 估计准则基础之上的，它要求精确己 H 知的系统模型并且噪声是高斯的。但是在实际情况下，系统中存在着随机不确 定性，干扰噪声也未必一定是高斯的，本论文将研究一类随机不确定噪声情况 下即非高斯噪声条件下的 Kalman 滤波问题，这里所说的非高斯噪声情况是一 种广义非高斯噪声统一的概括。如果我们仍然按照传统的 Kalman 滤波进行估 计，则会造成估计效果较差或引起发散。 高斯噪声条件下 Kalman 滤波器将采用新息重组的新技术，与同类算法相 比，该算法易于计算和计算量小。非高斯噪声条件下 Kalman 滤波设计方法是 基于熵理论的，这种方法的建立通过仿真实验验证是有效的、可行的，其应用 广泛特别适用于噪声完全未知的情形。通过这种新的角度结合具体的算法为噪 声已知概率分布的非高斯或噪声未知非高斯情形下滤波，本文做了大量的实验 并提出了较为满意的解决途径。为了清楚说明熵原理应用非高斯滤波器的设计 结果，本文运用了数学统计的方法，并对比滤波效果，说明了其可行性。 关键词：Kalman 滤波器；噪声；熵；概率密度函数 I ABSTRACT Abstract The problem of estimation includes filtering, prediction and smoothing has been one of the key research topics of control community since the seminal paper by Wiener. But wiener filtering cannot be used in the real time signal processing. Kalman filtering just can fetch up the default, which can give the optimization estimation of signal under the condition of the minimums mean-square. And this method works in the time domain; the processing speed is fast, which make it be use in the real time signal processing. The standard Kalman filtering is based on H2 estimative criterion and need accurate model of system. But there exists stochastic uncertainties in the model of system in case of reality. This paper deals with the problem of non-gaussian Kalman filter for a class of stochastic uncertain system, where the non-gaussian noise is a generalized conception.