卡尔曼滤波的原理及应用自己总结.pdfVIP

卡尔曼滤波的原理以及应用 滤波，实质上就是信号处理与变换的过程。目的是去除或减弱不 想要成分，增强所需成分。卡尔曼滤波的这种去除与增强过程是基于 状态量的估计值和实际值之间的均方误差最小准则来实现的，基于这 种准则，使得状态量的估计值越来越接近实际想要的值。而状态量和 信号量之间有转换的关系，所以估计出状态量，等价于估计出信号量。 所以不同于维纳滤波等滤波方式，卡尔曼滤波是把状态空间理论引入 到对物理系统的数学建模过程中来，用递归方法解决离散数据线性滤 波的问题，它不需要知道全部过去的数据，而是用前一个估计值和最 近一个观察数据来估计信号的当前值，从而它具有运用计算机计算方 ( ) 便，而且可用于平稳和不平稳的随机过程信号 ，非时变和时变的系 统的优越性。 卡尔曼滤波属于一种软件滤波方法，概括来说其基本思想是：以 最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利 用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计， 求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要 处理的信号做出满足最小均方误差的估计。其所得到的解是以估计值 的形式给出的。 卡尔曼滤波过程简单来说主要包括两个步骤：状态变量的预估以 及状态变量的校正。预估过程是不考虑过程噪声和量测噪声，只是基 于系统本身性质并依靠前一时刻的估计值以及系统控制输入的一种 估计；校正过程是用量测值与预估量测值之间的误差乘以一个与过程 噪声和量测噪声相关的增益因子来对预估值进行校正的，其中增益因 子的确定与状态量的均方误差有关，用到了使均方误差最小的准则。 而这一过程中体现出来的递归思想即是：对于当前时刻的状态量估计 值以及均方误差预估值实时进行更新，以便用于下一时刻的估计，使 得系统在停止运行之前能够源源不断地进行下去。 下面对于其数学建模过程进行详细说明。 1.状态量的预估 1 （）由前一时刻的估计值和送给系统的可控制输入来预估计当前时 刻状态量。 X(k|k-1)=AX(k-1|k-1)+BU(k) 其中，X(k-1|k-1)表示前一时刻的估计值， U(k)表示系统的控制 X(k|k-1) A 输入， 表示由前一时刻估计出来的状态量的预估计值， 表 k-1 k B 示由 时刻过渡到 时刻的状态转移矩阵， 表示控制输入量与状 态量之间的一种转换因子，这两个都是由系统性质来决定的。 2 （）由前一时刻的均方误差阵来预估计当前时刻的均方误差阵。 P(k|k-1)=AP(k-1|k-1)A +Q ’ P(k-1|k-1) A A 其中， 是前一时刻的均方误差估计值， ’代表矩阵 Q 的转置， 代表过程噪声的均方误差矩阵。该表达式具体推导过程如 下： P(k|k-1)=E{[Xs(k|k)-X(k|k-1)][Xs(k|k)-X(k|k-1)] } ’ 其中Xs(k|k)=AXs(k-1|k-1)+BU(k)+W(k-1)表示当前时刻的实际值， Xs(k-1|k-1)表示前一时刻的实际值，可以看出与当前时刻的预估计值 计算式相比，不仅用的是前一时刻的实际值来计算当前实际值 Xs(k|k)，而且多考虑了实际中的过程噪声W(k-1)这一项。代入继续 推导：  =E{[AXs(k-1|k-1)+BU(k)+W(k-1)-AX(k-1|k-1)-BU(k)][A 式 Xs(k-1|k-1)+BU(k)+W(k-1)-AX(k-1|k-1)-BU(k)] }