卡尔曼滤波器技术总结.ppt

离散kalman滤波算法 状态方程 量测方程 统计特性E[wk]=0,E[vk]=0,cov[wk,vj],cov[vk,vj] cov[wk,vj]=0 初始条件E[x0],var[x0],cov[x0,wk]=0,cov[x0,vk]=0 递推公式 增益方程 均方误差 Kalman滤波算法在应用中的问题 1、模型误差和数值发散。Kalman滤波算法的关键是建立系统的状态模型。但实际很难精确描述，只能用近似模型替代。因为即使能得到精确的模型，也会因为模型太复杂，维数高与实时处理矛盾，近似简化后就会带来影响，严重时滤波结果发散。 2、实时要求。影响kalman算法的实时性主要是状态维数和增益矩阵的计算。常常是精度损失在允许条件下尽量减少维数，从而满足实时滤波的要求。 3、Kalman滤波在空间技术、工业过程控制与电子工程等领域得到了广泛应用。 化简上式，得到 1.36Pk+0.64Pk-1Pk=0.64Pk-1+0.36 要求的是稳态解，因此将Pk, Pk-1都用P∞代替, 得到 根据P∞，可以确定达到稳态后的卡尔曼滤波的状态方程: (2.5.33) (4) 用维纳滤波的方法分析。采用功率谱分解的方法，得到x(n)的时间序列信号模型的传输函数H(z): 上式说明x是一阶AR模型，对H(z)做Z反变换得到 (2.5.34) 比较（2.5.33）式和（2.