最优估计之线性连续系统卡尔曼滤波讲述.pptVIP

哈尔滨工程大学 第8章 线性连续系统卡尔曼滤波 研究连续系统的必要性：实际的物理系统往往是连续的，故离散系统的描述不能完全代替连续时间系统。 8.1 离散系统取极限的推导方法 线性连续系统卡尔曼滤波求解公式 线性连续系统卡尔曼滤波方程 两点说明： 8.2 卡尔曼滤波方程新息推导法 推导过程 8.3 线性连续系统卡尔曼滤波器的一般形式 系统模型： 线性连续系统卡尔曼滤波的一般形式： 8.4 滤波的稳定性及误差分析 8.4.1滤波器的稳定性 研究滤波的稳定性，只需研究滤波方程对应齐方程的稳定性。 连续线性系统的能控能观性： 滤波稳定性定理 稳定性定理表明，当测量时间足够长，滤波系统的最优滤波值最终与初始状态如何选取无关。 可以证明，滤波估计误差的方差也将最终与初始误差方差阵的选取无关，而趋于稳态值。 滤波增益矩阵也具有这种渐进特性。 * 最优估计 离散系统取极限的推导方法 卡尔曼滤波方程新息推导法 线性连续系统滤波器的一般形式 滤波的稳定性及误差分析 线性连续系统模型： (8.1.1) 问题： 推导方法思想：当采样稠密或采样间隔趋于零时，取离散系统的极限，将离散系统的结果转化为连续系统的公式。 步骤1：建立(8.1.1)的等效离散线性系统数学描述 步骤2：求等效离散模型的卡尔曼滤波方程 步骤3： 对离散卡尔曼滤波公式取极限 推导方法步骤： 步骤1：建立(8.1.1)的等效离散线性系统数学描述 由 5.3 知，等效模型： 利用离散线性系统卡尔曼滤波方程(132页)及下列等效关系： 得等效离散线性系统的卡尔曼滤波方程： 步骤2：求等效离散模型的卡尔曼滤波方程 (8.1.3) (8.1.4) (8.1.5) (8.1.6) 步骤3： 对离散卡尔曼滤波公式取极限 ---(8.1.8) 最优滤波方程 线性连续系统的卡尔曼滤波方程，是一个一阶微分方程。 ----------- 增益矩阵 ----------- 估计误差方差 黎卡提微分方程： 注：连续系统的卡尔曼滤波估计问题归结为求解微分方程问题； 矩阵黎卡提微分方程很难求解。 滤波增益方程： 滤波误差方差矩阵黎卡提方程： 最优滤波方程： + + + + + + 新息的性质：新息是一个与测量噪声有相同统计值的白噪声过程。 系统模型： 新息： 步骤1：构造估计量的函数形式 估计与测量的正交性 步骤2：对上述函数关于时间求导 步骤3：确定增益阵 K(t) 步骤4：求 P(t) 的导数 与极限推导法的结果一致。 连续线性定常系统的卡尔曼滤波 若系统模型中的各参数为常数，即 当估计过程达到稳态时，黎卡提微分方程中的与时间无关，其微分为零，则 滤波方程为： 例 二阶系统状态及观测方程： 噪声及初值： 求卡尔曼滤波方程及增益、方差矩阵方程。 解 由已知： 由滤波公式，得： 将上式展开，有： 解此非线性联立微分方程组，求得方差 P(t)后，得增益矩阵： 和滤波方程： w(t) 和 v(t) 均为零均值白噪声过程，且 建立与式(8.3.1)~(8.3.2)等效的线性离散系统的数学模型： -------- (8.3.1) -------- (8.3.2) 建立与式(8.3.1)~(8.3.2)等效的线性离散系统的数学模型： 含控制项，过程噪声和观测噪声相关。 是零均值分段常值白噪声过程，其协方差阵分别为： 式中： 将下列代换关系： 带入离散卡尔曼滤波公式(6.3.4a)~(6.3.4e)，得： (8.3.8a) (8.3.8b) (8.3.8c) (8.3.8d) (8.3.8e) (8.3.8f) (8.3.8d) (8.3.9) (8.3.10) (8.3.11) (8.3.8d) (8.3.8a) (8.3.6)、(8.3.8b) → (8.3.8a) (8.3.6)、(8.3.8b) → (8.3.8e) (8.3.6)、(8.3.8c) → (8.3.15) (8.3.9) (8.3.11) (8.3.8f) (8.3.16a) (8.3.16b) (8.3.16c) *