的起源与发展.PDFVIP

西安电子科技大学硕士学位论文:视频跟踪技术研究 法框图如图3.1。如果要得到解析解，则必须对系统方程和观测方程作出严格的限 制。比如卡尔曼滤波，它要求系统方程和观测方程是线性的，系统噪声和观测噪 声是方差已知的加性高斯噪声。这样严格的条件在很多应用中都是无法满足的， 因此我们希望弱化一些条件，寻找一些次优的算法，比如扩展卡尔曼滤波，粒子 滤波，以及网格滤波等。 3.3卡尔曼滤波 3.3.1卡尔曼滤波[191[021的起源与发展 早在1795年，高斯(K.Gauss)为了测定行星运动轨道就提出了最小二乘估计法。 20世纪40年代，为了解决火力控制系统精确跟踪问题，维纳(N.Weaner)提出了维 纳滤波理论。维纳根据有用信号和扰动信号的功率谱确定出线性滤波器的频率特 性，首次将数理统计理论与线性系统理论有机地联系在一起，形成了对随机信号 做平滑、估计或预测的最优估计理论。维纳滤波理论的最大缺点是适用范围有限， 它要求被处理信号必须是平稳的、一维的。 维纳滤波的缺陷促使人们寻求时域内直接设计最优滤波器的最新方法。1960 年，卡尔曼(R.E.Kalman)提出了离散系统卡尔曼滤波，次年，他又与布西(R.S.Bucy) 合作，把这一滤波方法推广到连续时间系统当中，最终形成了卡尔曼滤波估计理 论。这是一种新的线性最小方差估计理论，它采用状态方程描述被估计量的动态 变化规律，算法采用递归形式，数据存储量小，可以处理多维和非平稳随机信号。 起初卡尔曼滤波只适用于线性系统，并且要求观测方程也必须是线性的。然 而在实际应用中，严格来说，所有的系统都是非线性的，因此对于非线性滤波的 研究是很有意义的。在非线性滤波领域内比较经典的一种算法是扩展卡尔曼滤波， 其基本思想是围绕状态估计值对非线性模型进行一阶Taylor展开，然后再应用卡 尔曼滤波。 除了扩展卡尔曼滤波，牛津大学的科学家Jutier等人在1995年还提出了一种 新的算法一无色卡尔曼滤波 (UnscentedKalmanFilter)，其核心思想是通过一种非 线性变换一Unscented变换来进行非线性模型的状态与误差协方差的递推和更新。 扩展卡尔曼滤波和无色卡尔曼滤波都是递推滤波算法，它们的基本思想都是 通过采用参数化的解析形式对系统的非线性进行近似，而且都是基于高斯假设。 后面将介绍的粒子滤波则是以非参数化的蒙特卡罗仿真为基础的算法，它具有更 好的适应性。 第三章 滤波理论综述 3.3.2离散卡尔曼滤波 本节中，我们通过选择特殊的系统函数与噪声类型来求出贝叶斯最优估计的 闭合形式的解。假设fk(-k-1Vk-1)是xk-，和Vk-，的线性函数，h,(xk,nk)是xk和n:的 线性函数，Vk-:和、是高斯噪声，因此可以用它们的均值与协方差表示。式((3-1) 和式(3-2)可以用以下方程表示 X,.D(k.kaXI-1+rk-1Vk-1 叽一HkXk+Nk 式中:。*，一:为一‘时刻至tk时刻的一步转移矩阵;rk二为系统噪声矩阵;H:为量 测矩阵;从为量测噪声;Vk为系统噪声·假设系统噪声Vk和观测噪声Nk都是均 值为零的高斯噪声，且两者互不相关，即Vk和N。满足 E[Vk) 一E[VkVirl- 卜O,Cov队，岭] E[Nk] 一E[N,NiT) ;(3-10) ·O,Cov[Nk,N,j CovV[k,NJ]一EV[xNtr]一。 式中:1Lk为系统噪声的协方差矩阵，假设为非负定阵;凡为量测噪声的协方差矩 阵，假设为正定阵。 在上述条件都满足的情况下，状态向量X*的估计值X。可以按照下述的方程 求解。 (1)状态一步预测 Xkik-k·D,k,k-1Xk-1 仔11) (2)状态估计