卡尔曼滤波器分类及基本公式详解.ppt

EKF基本方程 3 非线性系统的卡尔曼滤波方程 3.1 扩展卡尔曼滤波器 系统模型 测量模型 初始条件 其他规定 状态估计方程 误差协方差 增益矩阵 EKF的不足 当非线性函数的Taylor展开式的高阶项无法忽略时， 线性化会使系统产生较大的误差，甚至于滤波器难以稳定； 在许多实际问题中很难得到非线性函数的雅克比矩阵求导； EKF需要求导，所以必须清楚了解非线性函数的具体形式，无法作到黑盒封装，从而难以模块化应用。 3 非线性系统的卡尔曼滤波方程 3.1 扩展卡尔曼滤波器 （EKF) 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器（UKF） 由于近似非线性函数的概率密度分布比近似非线性函数更容易，使用采样方法近似非线性分布来解决非线性问题的途径在最近得到了人们的广泛关注。 UKF 是一大类用采样策略逼近非线性分布的方法! UKF以Unscented Transform(UT,无迹变换)为基础, 采用卡尔曼线性滤波框架, 具体的采样形式为确定性采样。 UT变换采用确定性采样策略，用多个粒子点逼近函数的概率密度分布，从而获得更高阶次的均值与方差。 无迹变换（UT） 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器 （UKF） 变换原理：基于当前状态 的均值 和方差 ，构造一组固定数目的采样点，利用这组采样点的样本均值和样本方差逼近非线性变化 的均值 和方差 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器 （UKF） UT变换的具体过程（三步）： 1）取点：根据输入变量 的统计量 和 ，选择一种 点采样策略。得到输入变量的 点 以及对应的权值 和 ； 2）点非线性变换：对所采样的输入变量 点集 中的每个 点进行 线性变换. 得到变换后的 点集 ： 3）新变量的统计特性： 对变换后的变 点集 进行加权处理，从而得到输出变量 的统计量 和 。具体的权值仍然依据对输入变量 进行采样的各个 点的对应权值。 UKF整个估计过程： （1） 点采样； （2）利用状态方程传递采样点； （3）利用预测采样点及权值 计算预测均值和协方差； （4）利用( 2)预测测量采样点； （5）预测测量值和协方差； （6）计算 UKF增益, 更新状态向量和方差。 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器 （UKF） UT变换 UKF的估计过程 UT变换 UKF的特点 对非线性函数的概率密度分布进行近似, 而不是对非线性函数进行近似； 可以处理不可导的非线性函数； 不需要求导计算雅克比矩阵； 对高斯输入的非线性函数近似时，使均值精确到三阶，方差精确到二阶； 计算量与EKF相当。 3 非线性系统的卡尔曼滤波方程 3.2 无迹卡尔曼滤波器 （UKF） Thank you! * 维纳滤波出现的时间要比卡尔曼滤波出现的时间早。维纳滤波理论的出现是为了解决火力控制系统精确跟踪问题，是出现最早的最优估计理论。 * * * * * 修改 修改 * 修改 修改 * * * * * 卡尔曼 滤波器 （Kalman Filter） 滤波的基本概念 滤波是什么？ 所谓滤波，就是从混合在一起的诸多信号中提取出所需要的信号。 信号的分类（数学关系）？ （1）确定性信号：可以表示为确定的时间函数，可确定其在任何时刻的量值。（具有确定的频谱） （2）随机信号：不能用确定的数学关系式来描述的，不能预测其未来任何瞬时值，其值的变化服从统计规律。（频谱不确定，功率谱确定） 滤波的基本概念 确定性信号的滤波 可采用低通、高通、带通、带阻等模拟滤波器或者计算机通过算法实现——常规滤波 随机信号的滤波 根据有用信号和干扰信号的功率谱设计滤波器——维纳滤波（Wiener Filtering）或卡尔曼滤波（Kalman Filter） 随机信号的滤波也可以看做是估计问题。 卡尔曼滤波的由来 卡尔曼滤波的由来 卡尔曼，全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们在现代控制理论中要学习的卡尔曼滤波器，正是源于他的博士论文和1960年发表的论文《A New Approach to Linear Filtering and Prediction Pro