随机滤波课件惯性仪器测试与数据分析.pptVIP

* 五、非线性系统的EKF滤波 1、雅可比矩阵 非线性向量函数 ： 雅可比矩阵定义 雅可比矩阵是一元函数斜率或多元函数梯度概念的推广。 常用的方法是先进行模型线性化近似，再利用前面已经得到的关于线性系统的Kalman滤波结果，这一方法便是非线性系统的扩展卡尔曼滤波（EKF，Extended Kalman Filter），或称为广义卡尔曼滤波。 * 五、非线性系统的EKF滤波 2、EKF滤波 离散时间非线性系统 首先引入记号： 已知k-1时刻状态的一个参考估计值（或名义值） 参考估计与真实值之间的偏差 状态预测 状态预测偏差 状态非线性函数泰勒展开 简记 * 五、非线性系统的EKF滤波 2、EKF滤波 量测预测 量测预测偏差 量测非线性函数泰勒展开 得偏差线性系统 Kalman滤波状态更新 EKF： 简记 * 五、非线性系统的EKF滤波 3、仿真举例 状态 一阶欧拉法进行离散化 * 五、非线性系统的EKF滤波 3、仿真举例 状态方程雅可比矩阵和量测方程雅可比矩阵 仿真结果 仿真程序 * 六、非线性系统的UKF滤波 增强现实(Augmented Reality，简称AR)是近年来国外众多知名大学和研究机构的研究热点之一。AR技术不仅在与VR技术相类似的应用领域，诸如尖端武器、飞行器的研制与开发、数据模型的可视化、虚拟训练、娱乐与艺术等领域具有广泛的应用，而且由于其具有能够对真实环境进行增强显示输出的特性，在医疗研究与解剖训练、精密仪器制造和维修、军用飞机导航、工程设计和远程机器人控制等领域，具有比VR技术更加明显的优势。 (移动增强实境) * 六、非线性系统的UKF滤波 1、蒙特卡洛仿真 蒲丰投针问题（计算π的最为稀奇的方法之一） 1）取一张白纸，在上面画上许多条间距为d的平行线； 2） 取一根长度为l（ld） 的针，随机地向画有平行直线的纸上掷n次，观察针与直线相交的次数，记为m ； 3）计算针与直线相交的概率： * 六、非线性系统的UKF滤波 1、蒙特卡洛仿真 * 六、非线性系统的UKF滤波 1、蒙特卡洛仿真 【例1】我们都知道，单位圆围成的面积为π，若以圆心为原点建立平面直角坐标系，则它在第一象限内的面积为π/4 ，即有 Matlab编写的仿真语句和结果： n = 1000000; p = unifrnd(0,1,2,n); PI = 4*sum(sum(p.^2)1)/n PI = 3.141092 * 六、非线性系统的UKF滤波 1、蒙特卡洛仿真 【例2】在单位球体内偏离中心0.25的位置挖去一个半径为0.25的柱体，参见图9.5-2，试求该球体剩余部分的体积。 Matlab编写的仿真语句和结果： n = 100000; p = unifrnd(-1,1,3,n); V = 2^3*sum(sum(p.^2)1(p(1,:).^2+ (p(2,:)-0.25).^2)0.25^2)/n V = 3.812905 * 六、非线性系统的UKF滤波 1、蒙特卡洛仿真 【例3】二维随机向量的非线性变换关系 * 六、非线性系统的UKF滤波 2、UT变换 （1）线性函数的UT变换 假设随机向量的线性变换关系 A）矩阵的三角分解 记 B）输入近似成有限个（n个）Sigma点的估计形式 * 六、非线性系统的UKF滤波 2、UT变换 比较得 C）输入近似成有限个（2n个）Sigma点的估计形式 记Sigma点组成的输入矩阵 得Sigma点组成的输出矩阵 * 六、非线性系统的UKF滤波 2、UT变换 由输入输出Sigma点计算传播统计特性 这与理论结果完全一致，并且还精确地捕获了输出的一、二阶矩！！！ （2）非线性函数的UT变换 非线性函数 * 六、非线性系统的UKF滤波 2、UT变换 非线性函数的UT变换的一般形式 其中 控制Sigma点分布 一比例因子，常为0 另一比例因子，常为2 * 六、非线性系统的UKF滤波 2、UT变换 UT变换流程图 * 六、非线性系统的UKF滤波 3、UKF滤波 系统 滤波框架 状态预测UT变换 量测预测UT变换 * 六、非线性系统的UKF滤波 3、UKF滤波 举例：一维非线性随机系统 非线性系统UKF滤波仿真 仿真结果 * 六、非线性系统的UKF滤波 3、UKF滤波 复杂系统模型（捷联惯导系统大失准角初始对准），近似非线性概率传播比近似非线性函数更简单。 其中 * 六、非线性系统的UKF滤波 3、UKF滤波 UKF滤波失效的例子： 初值