卡尔曼滤波器入门.pptVIP

卡尔曼滤波 The Kalman Filtering 数字滤波：通过一种算法排除可能的随机干扰，提高检测精度的一种手段 Rudolf Emil Kalman 匈牙利数学家 BSMS at MIT PhD at Columbia 1960年发表的论文《A New Approach to Linear Filtering and Prediction Problems》（线性滤波与预测问题的新方法） 应用场合 机器人导航、控制 传感器数据融合 雷达系统以及导弹追踪 计算机图像处理 头脸识别 图像分割 图像边缘检测 * KF是根据上一状态的估计值和当前状态的观测值推出当前状态的估计值的滤波方法 S(t) = f ( S(t-1) , O(t) ) 它是用状态方程和递推方法进行估计的，因而卡尔曼滤波对信号的平稳性和时不变性不做要求 维纳滤波：使用全部观测值保证平稳性 卡尔曼滤波器是一个 optimal recursive data processing algorithm 最优化自回归数据处理算法 最优（optimal）依赖于评价性能的判据。 Kalman滤波器充分利用如下信息估 a.系统和测量装置的动态特性； b.系统噪声、测量误差和动态模型的不确定性的统计描述； c.感兴趣变量的初始条件的相关信息。 递归（recursive）是指kalman不需要保存先前的数据