08第八讲信息融合与目标跟踪状态估计-常系数滤波解释.ppt

第八讲 状态估计—常系数滤波 * 常系数α-β和α-β-γ滤波器 一、目标运动模型 对于匀速和匀加速运动的目标， 有目标运动模型 式中，w(k)为均值为0、方差为σ2的高斯白噪声， T 为对目标的采样周期。 * 二、常系数α-β和α-β-γ滤波器 对于匀速运动的目标，可以采用方差和最小的准则进行滤波和预测，即α-β和α-β-γ滤波器。  常系数α-β滤波器定义如下。 滤波方程： 预测方程： * 滤波方程和预测方程也可以分别写成如下形式： 滤波器和预测器如图所示。 * α-β位置平滑滤波器流程图 * α-β预测器流程图 * 常系数α-β-γ滤波器定义如下： 滤波方程： 预测方程： * 对α-β-γ滤波器， 滤波和预测方程也可写成 α，β，γ为系统增益，分别称为位置增益、速度增益和加速度增益。 * 三、常系数α-β和α-β-γ滤波器的系数 α-β和α-β-γ滤波器的系数可以通过频域分析得到。  1. α-β滤波器的系数 2. α-β-γ滤波器的系数 * 式中： ω0——滤波器的固有频率； ωd——滤波器的阻尼固有频率； ξ——阻尼系数； d——滤波器的实根。 分析表明，为了保证滤波器的稳定工作，滤波系数α和β应满足如下的关系： * 参数均为对应模拟滤波器的参数，使用起来比较复杂，这里直接给出一组用临界阻尼法、最佳选择法给出的系数。 对α-β滤波器，通常在给定α值的情况下，计算β值: (1) (2) 一般取α=0.3～0.5。  对α-β-γ滤波器，其参数如下： * 给定α，得R，最后得β和γ。式中R是系统特征方程三重正实根。 这组系数也是在给定α的情况下，计算β和γ。  进行频率分析时会看到，α-β和α-β-γ滤波器是低通滤波器。位置平滑是将位置测量值通过低通滤波器而得到的；而速度和加速度平滑是在足够低的频率上，通过对位置测量值的微分得到的。当滤波器的实根d=1时，α-β-γ滤波器降为α-β滤波器。 * 四、变系数α-β和α-β-γ滤波器的系数 1. α-β滤波器 假定滤波器采用两点启动 在启动后的N步中，时刻k的滤波器参数 * N+3步后，α保持不变，β和α的关系为 这时有预测方程和滤波方程：  预测方程: 滤波方程: * 2. α-β-γ滤波器 滤波器采用三点启动， 启动时α=1, * 在启动后的N步中，时刻k的滤波器参数 N+3步后，α保持不变，β、γ与α的关系为 * 五、α-β和α-β-γ组合滤波器 对于匀速和匀加速运动的目标，可以将α-β和α-β-γ滤波器联合使用。在滤波参数不变的情况下，可以得到更高的跟踪精度。 组合滤波器结构如图所示。 * 图中，其输出 是组合滤波器的滤波输出; 分别为α-β、α-β-γ滤波器的滤波输出; d1(k)、d2(k)分别为α-β、α-β-γ滤波器的残差： 、 * 参数选择可采用上边给出的变参选择方法。基本思想是： 目标稳态时，滤波器采用稳态滤波参数； 目标机动后，为防止目标丢失，增加滤波器增益，并使滤波器进入暂态过程，这就是变参的基本思想。 目标机动与否，可根据一步预测方差的大小来判断。 * 实验表明，这种方法在目标以匀速直线运动时的性能与常增益α-β滤波器相当，当目标机动时，常增益α-β滤波器会发散，而自适应α-β滤波器仍有良好的跟踪性能，它能跟踪转弯加速度小于3g的机动目标。计算量略有增加，但与卡尔曼滤波器相比,运算量少一个数量级。三种滤波器的计算量见表。 * 小结