5-3 维纳滤波与卡尔曼滤波--卡尔曼滤波.ppt

§6.4 离散卡尔曼滤波器 四、一步递推法模型 二步求得估计值 用新息乘以一个增益矩阵 代替w n 对数据进行估计， 一步递推法模型 K n Z-1 A n C n T - 最佳估计为 §6.4 离散卡尔曼滤波器 四、一步递推法模型 二步求得估计值 对于最佳估计有： ---⑤ ---⑥ ---④ §6.4 离散卡尔曼滤波器 五、卡尔曼滤波器的推导 状态方程： 观测方程： X n 的最优估计是： §6.4 离散卡尔曼滤波器 五、卡尔曼滤波器的推导 1.初始值：假设给定了x 0 的一个估计 ，相应于这个估计的误差协方差矩阵 。 2. 滤波器的推导：先用x 0 预测x 1|0 。 当观测数据y 1 到来时 加入新息后 ，修正x 1|0 为x 1 ，使x 1 是x 1 的最佳估计。采用使均方误差最小的估计方法，并得到误差协方差矩阵。 3. 假设给定了 ,求 §6.4 离散卡尔曼滤波器 五、卡尔曼滤波器的推导 预测n时刻值 状态方程 预测误差 4. 预测n时刻信号值 §6.4 离散卡尔曼滤波器 五、卡尔曼滤波器的推导 预测n时刻值观测值 观测方程 4. 预测n时刻信号值 5. 新的观测值到来时,修正预测值,得到n时刻的估计。 n时刻信号估计值是预测值与观测值的线性组合。 K’ n 与K n 的求解通过，使误差为零，均方误差最小得到。 §6.4 离