理解卡尔曼五个方程剖析.pdf

1．简介(Brief Introduction) 在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他 著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个 人的名字，而跟他们不同的是，他是个现代人！ 卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930 年出生于匈 牙利首都布达佩斯。1953，1954 年于麻省理工学院分别获得电机工程 学士及硕士学位。1957 年于哥伦比亚大学获得博士学位。我们现在要 学习的卡尔曼滤波器，正是源于他的博士论文和1960 年发表的论文《A New Approach to Linear Filtering and Prediction Problems》（线 性滤波与预测问题的新方法）。如果对这编论文有兴趣，可以到这里的 地址下载： /~welch/kalman/media/pdf/Kalman1960.pdf 卡尔曼滤波器到底是干嘛的？我们来看下wiki 上的解释： 卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体 位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。在很 多工程应用(如雷达、计算机视觉)中都可以找到它的身影。同时，卡尔 曼滤波也是控制理论以及控制系统工程中的一个重要课题。例如,对于 雷达来说，人们感兴趣的是其能够跟踪目标。但目标的位置、速度、加 速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信 息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估 计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计 (预测)，也可以是对过去位置的估计(插值或平滑)。 斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在 NASA 埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨 道预测很有用，后来阿波罗飞船的导航电脑便使用了这种滤波器。 关 于这种滤波器的论文由Swerling (1958)、Kalman (1960)与 Kalman and Bucy (1961)发表。 目前,卡尔曼滤波已经有很多不同的实现.卡尔曼最初提出的形式现在 一般称为简单卡尔曼滤波器。除此以外，还有施密特扩展滤波器、信息 滤波器以及很多Bierman, Thornton 开发的平方根滤波器的变种。也 许最常见的卡尔曼滤波器是锁相环，它在收音机、计算机和几乎任何视 频或通讯设备中广泛存在。 简单来说，卡尔曼滤波器是一个“optimal recursive data processing algorithm （最优化自回归数据处理算法）”。对于解决很大部分的问 题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30 年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系 统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识 别，图像分割，图像边缘检测等等。 2．卡尔曼滤波器的介绍（Introduction to the Kalman Filter） 为了可以更加容易的理解卡尔曼滤波器，首先应用形象的描述方法来讲 解，然后我们结合其核心的5 条公式进行进一步的说明和探索。结合现 代的计算机，其实卡尔曼的程序相当的简单，只要你理解了他的那5 条 公式。 在介绍他的5 条公式之前，先让我们来根据下面的例子做个直观的解释。 假设我们要研究的对象是一个房间的温度。根据你的经验判断，这个房 间的温度是恒定的，也就是下一分钟的温度等于现在这一分钟的温度 （假设我们用一分钟来做时间单位）。假设你对你的经验不是100%的 相信，可能会有上下偏差几度。我们把这些偏差看成是高斯白噪声 （White Gaussian Noise），也就是这些偏差跟前后时间是没有关系的 而且符合高斯分配（Gaussian Distribution）。另外，我们在房间里 放一个温度计，但是这个温度计也不准确的，测量值会比实际值偏差。 我们也把这些偏差看成是高斯白噪声。 好了，现在对于某一分钟我们有两个有关于该房间的温度值：你根据经 验的预测值（系统的预测值）和温度计的值（测量值）。下面我们要用 这两个值结合他们各自的噪声来估算出房间的实际温度值。 假如我们要估算k 时刻的是实际温度值。首先你要根据k-1 时刻的温度 值，来预测k 时刻的温度。因为你相信温度是恒定的，所以你会得到k 时刻的温度预测值是跟k-1 时刻一样的，假设是23 度，同时该值的高 斯噪声的偏差是5 度（5 是这样得到的：如果k-1 时刻估算出的最优温 度值的偏差是3，你对自己预测的不