维纳滤波和卡尔曼滤波_3.ppt

例 x(t)是一个时不变的标量随机变量，y(t)=x(t)+v(t)是观测数据，其中v(t)为白噪声。若用Kalman滤波器自适应估计x(t)，试设计Kalman滤波器。 构造状态空间方程 设计x(t)的更新公式 例 　已知 在k=0时开始观察yk, yk=xk+vk，用卡尔曼过滤的计算公式求xk， 并与维纳过滤的方法进行比较。 　　 解 (1) 由x(n)功率谱及量测方程，确定卡尔曼递推算法。 首先对Sxx(z)进行功率谱分解，确定x(n)的信号模型B(z)，从而确定Ak。根据Sxx(z) =σ2ωB(z)B(z-1)，得出 由此可以得到卡尔曼滤波的状态方程为： 由量测方程yk=xk+vk, 确定Ck=1， 将参数矩阵Ak,Ck,Rk代入卡尔曼递推公式得到 另由题目可知， (2) 求出卡尔曼滤波的输出。由卡尔曼递推公式，以及 ,P0=var[x0]=1, 可得到Pk′,Hk,Pk及 （k表示迭代次数），迭代流程为： 表3.5.1 Kalman滤波迭代结果 (3) 求出卡尔曼滤波的稳态解。 消去Pk′， 可以得到Pk的递推关系: 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: (4) 用维纳滤波（因果维纳滤波）的方法分析。采用功率谱分