第八新卡尔曼滤波解决方案.pptVIP

卡尔曼滤波简介 背景介绍： Kalman，匈牙利数学家。 卡尔曼滤波器源于他的博士论 文和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）。 估计原理和卡尔曼滤波 1. 状态估计原理 2. 为什么要用状态估计理论 3. 经典控制理论与现代控制理论 4. 什么是卡尔曼滤波 5.卡尔曼滤波器的软硬件实现 6.卡尔曼滤波器的应用 1.状态估计原理 状态估计是卡尔曼滤波的重要组成部分。一般来说，根据观测数据对随机量进行定量推断就是估计问题，特别是对动态行为的状态估计，它能实现实时运行状态的估计和预测功能。比如对飞行器状态估计。 状态估计对于了解和控制一个系统具有重要意义，所应用的方法属于统计学中的估计理论。最常用的是最小二乘估计，线性最小方差估计、最小方差估计、递推最小二乘估计等。其他如风险准则的贝叶斯估计、最大似然估计、随机逼近等方法也都有应用。 受噪声干扰的状态量是个随机量，不可能测得精确值，但可对它进行一系列观测，并依据一组观测值，按某种统计观点对它进行估计。使估计值尽可能准确地接近真实值，这就是最优估计。真实值与估计值之差称为估计误差。若估计值的数学期望与真实值相等，这种估计称为无偏估计。 卡尔曼提出的递推最优估计理论，采用状态空间描述法，在算法采用递推形式，卡尔曼滤波能处理多维和非平稳的随机过程。  卡尔曼滤波理论的提出，克服了威纳滤波理论的局限性使其在工程上得到了广泛的应用，尤其在控制、制导、导航、通讯等现代工程方面。 2．为什么要用状态估计理论 在许多实际问题中，由于随机过程的存在，常常不能直接获得系统的状态参数，需要从夹杂着随机干扰的观测信号中分离出系统的状态参数。例如，飞机在飞行过程中所处的位置、速度等状态参数需要通过雷达或其它测量装置进行观测，而雷达等测量装置也存在随机干扰，因此在观测到飞机的位置、速度等信号中就夹杂着随机干扰，要想正确地得到飞机的状态参数是不可能的，只能根据观测到的信号来估计和预测飞机的状态，这就是估计问题。 从观测到的信号中估计出状态的估值，并且希望估值与状态的真值越小越好，即要求有： 成立； 因此存在最优估计问题，这就是卡尔曼滤波。 卡尔曼滤波的最优估计需满足以下三个条件： ·无偏性，即估计值的均值等于状态的真值； ·估计的方差最小；  ·实时性。 从以上分析可以看出卡尔曼滤波就是在有随机干扰和噪声的情况下，以线性最小方差估计方法给出状态的最优估计值，卡尔曼滤波是在统计的意义上给出最接近状态真值的估计值。因此卡尔曼滤波在空间技术、测轨、导航、拦截与通讯等方面获得了广泛的应用。 3．经典控制理论与现代控制理论 经典控制理论只适应与单输入—单输出的线性定常系统，研究方法是传递函数。传递函数在本质上是一种频率法，要靠各个频率分量描述信号。因此，频率法限制了系统对整个过程在时间域内进行控制的能力，所以经典控制理论很难实现实时控制。同时，经典控制理论也很难实现最优控制。 经典控制系统的组成 由于经典控制理论的上述局限性，随着科学技术的发展，特别是空间技术和各类高速飞行器的快速发展，要求控制高速度、高精度的受控对象，控制系统更加复杂，要求控制理论解决多输入多输出、非线性以及最优控制等设计问题。这些新的控制要求经典控制理论是无法解决的。 现代控制理论是建立在状态空间基础上的，它不用传递函数，而是用状态向量方程作为基本工具，因此可以用来分析多输入—多输出、非线性以及时变复杂系统的研究。现代控制理论本质上是时域法，信号的描述和传递都是在时间域进行，所以现代控制理论具有实现实时控制的能力。由于采用了状态空间法，现代控制理论有利于设计人员根据给定的性能指标设计出最优的控制系统。  卡尔曼滤波控制系统结构图 由于系统的状态x是不确定的，卡尔曼滤波器的任务就是在有随机干扰w和噪声v的情况下给出系统状态x的最优估算值 ，它在统计意义下最接近状态的真值x，从而实现最优控制u( )的目的。 4.什么是卡尔曼滤波： 卡尔曼滤波是美国工程师K