九最优状态估计与随机控制.ppt

第 8 章最 优 状 态 估 计 实际工作中 希望在统计相关数据的基础上估计系统的状态 而这些数据提供的信息可能不足以准确地确定系统的状态 如：确定空中飞行目标的状态 这类问题是状态估计问题 - 要确定一种估计 它是所有过去的观测值的线性函数 这种估计使传送的实际信号和此信号的估计之间的误差的平方的期望制为最小 状态估计问题 研究的历史相当长 1942年，Wiener提出线性滤波问题 遗憾的是不能用于时变线性系统、非线性系统 1960年，Kalman 修正了 Wiener 的定义 使得成为特别适合于由许多现代物理问题的需要所生成的状态空间问题表达形式→Kalman 滤波器 估计问题的三种情况 主要内容 8.1 随机过程和随机线性系统 8.2 线性连续系统的最优估计 8.3 线性离散系统的最优估计 8.4 LQG 问题 8.1 随机过程和随机线性系统 内容 随机过程 随机线性系统 随机过程 实际中 一些变化过程具有明确的规律 这类过程称为确定性过程 另外一些过程具有偶然性 在某一时刻无法确定下一时刻的情况，这类过程被称为随机过程 随机变量 定义： 给定一个随机实验E，其结果 是样本空间 的元素，如果对每个 对应一实值函数 ，即 称 为在 中的随机变量。 x为一随机变量， 为任意实数，定义 为x的分布函数. 对连续型随机变量，经常要用到分布密度 定义为 随机变量的数值特征 数学期望 离散型 连续型 方差 协方差 相关系数 随机过程 定义 依赖于参数 的随机变量的集合 为随机过程。 一个随机过程 实际上是两个变量的二元函数 其中一个变量为样本空间 中的 另一个是参量T中的t。 由于 固定，表示一次实验，所以称 为随机过程的一个实现（或一个样本函数） 对于参数t 当参数取值为某个区间时，称为随机过程。 当参数取值为离散值，称为随机序列，或时间序列。 随机过程 当t取n个数值 时，得到n个随机变量 其联合分布 称为随机过程的n维分布。 随机过程的数值特征 均值函数 方差 协方差函数 （自）相关函数 互协方差函数 互相关函数 平稳随机过程：统计性质不随时间改变 宽平稳随机过程 （1）均值不随时间改变 （2）自相关函数 只与时间差 有关，而与时间 和 的值无关，记为 各态历经性质 如果一个平稳随机过程， 有 依概率1成立，称该过程的均值具有各态历经性。 当平稳随机过程 的均值和相关函数都具有各态历经性，称 是各态历经的。 谱密度函数 描述平稳随机过程的频率结构，是在频率域的数字特征。 白噪声 白噪声概念 白噪声过程 白噪声序列 表示定理 白噪声过程 白噪声过程 一种最简单的随机过程 一种均值为零、谱密度为非零常数的平稳随机过程 或由一系列不相关的随机变量组成的一种理想化随机过程 没有“记忆性” 时刻的数值与 时刻以前的过去值无关 不影响 时刻以后的将来值 白噪声的数学特征 （1）均值为 0 即 （2）自相关函数 其中 为 Dirac 函数 且 注：自相关函数定义 白噪声过程的自相关函数 （3）谱密度为常数 注：谱密度的定义 设 为 的傅立叶变换 上式表明，白噪声过程的功率在 到 的全频段内均匀分布 平均功率 白噪声过程的谱密度 严格符合上述定义的自相关函数 意味着它的方差和平均功率是∞ 而且它在任意两个瞬间取值,不管这两个瞬间相距多么近，都是互不相关的 白噪声的概念 如同力学中的“质点”等概念一样，具有重要的实际意义 实际中 如果 接近 函数 近似的白噪声过程 白噪声向量 - 正定的常数阵 - Dirac 函数 白噪声序列 白噪声序列 白噪声过程的一种离散形式 如果随机序列 是两两不相关的 对应的自相关函数为 - Kronecker 符号 即 则称这种随机序列 为白噪声序列 注：自相关函数 设 是宽平稳，均值为零的离散随机过程,则自相关函数定