第三章卡尔曼滤波理论 - read.pdfVIP

西北工业大学硕士学位论文 第三章 卡尔曼浦波理论 第三章 卡尔曼滤波理论 在工程技术问题中，为了获取工程对象 (滤波中称为系统)各个物理量 (滤 波中称为状态，经常是随机状态)的数值，或为了控制工程对象，必须利用量测 手段测量系统的各个状态。但是，量测值不仅有可能只是系统部分状态的线性组 合，而且其中包含随机误差 通〔常称为量测噪声)。针对上述问题，解决的一种 办法就是最优估计。它通过处理仅与部分状态有关的量测值，得出从某种统计意 义上讲估计误差最小的更多状态估值。 1960年，由卡尔曼(R.E.Kalman)首次提出了的卡尔曼滤波器(KalmanFilter) 简称KF是一种最优估计算法，是一种递推线性最小方差估计;适用于多维随 机过程估计。采用动力学方程即状态方程描述被估计量的动态变化规律，被估计 量的动态统计信息由激励白噪声的统计信息和动力学方程确定，由于激励白噪声 是平稳过程，动力学方程已知，所以被估计量既可以是平稳的，也可以是非平稳 的，即卡尔曼滤波也适用于非平稳过程。因此，卡尔曼滤波理论作为最重要的最 优估计理论广泛应用于各种领域。 氏 1常规卡尔受滤波器 卡尔曼滤波是一种递推线性最小方差估计，用 “状态”表征系统的各个物理 量 、用 “状态方程”和 “级测方程”来描述系统的动力学特征。它是处理动态定 位数据的有效手段。可以显著地改警动态定位精度，它在定位中不仅利用觉测历 元的盈测值，而且充分利用以前的童测数据，根据线性最小方差原则求出最优估 计。但是，利用卡尔滤波所获得的线性无偏最小方差估计只是在卡尔曼滤波假设 条件下才是可能的。即: (l)系统动力学模型和量测模型都是线性的。 t2)系统动力学模型和实际情况相符。 C3)系统状态的初始条件和误差模型的先验统计都是已知方差的零均值白 噪声。 在工程实际问题中所涉及的滤波问题常常是不能满足上述假设条件的。首 先，状态方程和盘测方程都是非线性的。所以要对其进行线性化处理;第二，要 建立起符合实际比较准确的数学模型较困难;第三，在实际工程中常遇到的噪声 是有色嗓声，所以须对有色噪声进行白化，把有色噪声描述成: 西北工业大学硕士学位论文 第三章 卡尔曼滤波理论 从=喊从一，十ol从一:十…+丸从_p+叭 其中从为k时刻的有色噪声，oj1(i=1,2,-二，P)为自回归参数，Wk是均值 为零的白噪声序列。 3.1.1连续系统的卡尔曼滤波算法 连续系统的数学模型可以用下式表示: X(t)F(t)X(t)+G(t)w(t) (3-1) 2(t)H(t)X(t)+v(t) 其中，X为n维状态变量;Z为。维量测向量;F为nxn维系统矩阵;G为 nxr维系统嗓声矩阵;H为mxn维量测矩阵;w为r维连续型系统零均值白噪 声向量;，为m维连续型零均值量测白噪声向量;X(0),w和，互不相关，即 以X(0)卜-JO) E{w(t)卜0 E{v(t)卜0 Ej[X(0)一mr(0)][X(o)一mi(0T卜P(o) EtX(0)wr(t)卜0 EIX(0)v(t)卜0 Elw(t)v(t))二“ E{w(t)w(t))=q(t)S(一‘r) Elv(t)vr(t)卜r(t)8(t-r) 式中，q是连续系统的系统噪声方差强度阵，:是量测噪声方差强度阵， m,(0)和P(0)分别是X的初始均值和初始协方差阵;8(t-约是DiracS函数。连 续系统卡尔曼滤波方程为: X(t)二F(t)X(t)+K(t)[Z(t)一H(t)X(t)l K(t)=P(t)HT(t)r`(t) (3-2) P(t)二P(t)F(t)+F(t)P(t)一P(t)HT(t)r-H(t)P(t)+G(t)q(t)G(t) 其中，K是滤波增益矩阵，戈是X的估计值，P是