原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
* * 第三章 状态与信号的最优估计 ——经典Kalman滤波与时域Wiener滤波 * * 复习内容： （1）LTI系统Kalman滤波器模型假设条件 （2） Kalman递推滤波器 （3） Kalman递推预报器 （4） Kalman超前K步预报器(K1) （5）时变系统Kalman滤波器 新课内容： （1）Kalman滤波器与RLS的关系 （2） Kalman滤波器初值的选取 （3） Kalman一步平滑器 § 3.3 Kalman 滤波器和预报器 考虑如下状态空间模型 假设1 和 是零均值、方差阵各位 和 的不相关 白噪声，即满足 其中 (3.3.2) (3.3.1) 假设2 不相关于 和 Kalman滤波问题：基于观测 ，求状态 的线性最小方差估值器 ，它极小化性能指 标为 对于 各称 为Kalman滤波器、预报 器、平滑器。 定理3.3.1 (Kalman滤波器) 系统(3.3.1)和(3.3.2)在假设1和假设2条件下，递推Kalman滤波器为 (3.3.3) (3.3.4) (3.3.5) (3.3.6) (3.3.7) (3.3.8) 定理3.3.2 (Kalman预报器) 系统(3.3.1)和(3.3.2)在假设1和假设2条件下，递推Kalman预报器为 或 预报误差方差阵满足Riccati方程如下 初值为 相应的 步预报误差为 定理3.3.3 (超前k步Kalman预报器) 系统(3.3.1)和(3.3.2)在假设1和假设2条件下，超前k1步Kalman预报器为 其中P(t+1|t)由定理3.3.1计算。 * * 定理3.3.4 时变系统 有Kalman滤波器 定理3.3.5 (Kalman滤波与递推最小二乘法关系) AR(n)模型未知参数的Kalman滤波估值等价于递推最小二乘法估值。 证明 考虑AR(n)模型 引入未知参数向量 则AR(n)模型的状态空间模型为 并引入参数向量 引入记号 则利用Kalman滤波算法可得 的Kalman滤波估值器为 我们可以看出RLS算法可以由Kalman滤波算法引出来，因此可以证明两种算法的等价性。 * * 定理3.4.2 系统(3.3.1)和(3.3.2)在假设1、2下，有最优固定滞后Kalman平滑器: 平滑增益: 3.4 Kalman平滑器 平滑误差方差阵: * * 当N=1时,系统(3.3.1)和(3.3.2)在假设1、2下，有一步最优Kalman平滑器: 平滑增益: 平滑误差方差阵:
文档评论（0）