现代检测技术理论基础2.ppt

第4章 现代信号测试理论基础 背景介绍： Kalman，匈牙利数学家。 卡尔曼滤波器源于他的博士论 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）。 1.状态估计原理 受噪声干扰的状态量是个随机量，不可能测得精确值，但可对它进行一系列观测，并依据一组观测值，按某种统计观点对它进行估计。使估计值尽可能准确地接近真实值，这就是最优估计。真实值与估计值之差称为估计误差。若估计值的数学期望与真实值相等，这种估计称为无偏估计。 卡尔曼提出的递推最优估计理论，采用状态空间描述法，在算法采用递推形式，卡尔曼滤波能处理多维和非平稳的随机过程。  卡尔曼滤波理论的提出，克服了维纳滤波理论的局限性使其在工程上得到了广泛的应用，尤其在控制、制导、导航、通讯等现代工程方面。 2．为什么要用状态估计理论 在许多实际问题中，由于随机过程的存在，常常不能直接获得系统的状态参数，需要从夹杂着随机干扰的观测信号中分离出系统的状态参数。例如，飞机在飞行过程中所处的位置、速度等状态参数需要通过雷达或其它测量装置进行观测，而雷达等测量装置也存在随机干扰，因此在观测到飞机的位置、速度等信号中就夹杂着随机干扰，要想正确地得到飞机的状态参数是不可能的，只能根据观测到的信号来估计和预测飞机的状态，这就是估计问题。 从观测到的信号中估计出状态的估值，并且希望估值与状态的真值的差越小越好，即要求有： 成立； 因此存在最优估计问题，这就是卡尔曼滤波。 卡尔曼滤波的最优估计需满足以下三个条件： ·无偏性，即估计值的均值等于状态的真值； ·最优，估计的方差最小；  ·递推，实时性。 3．经典控制理论与现代控制理论  经典控制理论只适应与单输入—单输出的线性定常系统，研究方法是传递函数。传递函数在本质上是一种频率法，要靠各个频率分量描述信号。因此，频率法限制了系统对整个过程在时间域内进行控制的能力，所以经典控制理论很难实现实时控制。同时，经典控制理论也很难实现最优控制。 现代控制理论是建立在状态空间基础上的，它不用传递函数，而是用状态向量方程作为基本工具，因此可以用来分析多输入—多输出、非线性以及时变复杂系统的研究。现代控制理论本质上是时域法，信号的描述和传递都是在时间域进行，所以现代控制理论具有实现实时控制的能力。由于采用了状态空间法，现代控制理论有利于设计人员根据给定的性能指标设计出最优的控制系统。 4.什么是卡尔曼滤波  卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现在时刻的估计值。它适合于实时处理和计算机运算。  卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。 最小方差估计 线性最小方差估计 递推线性最小方差估计 递推线性最小方差估计 卡尔曼滤波的特点 KF是基于最小方差准则推导出来的一种线性滤波器。 KF是一种时域递推算法，根据上一状态的估计值和当前状态的观测值推出当前状态，不需存储大量的历史数据，便于计算机实现。 KF要求明确已知系统模型。即在应用卡尔曼滤波之前，首先要建立系统模型和观测模型，并假定过程噪声、观测噪声为高斯白噪声。 应用领域：机器人导航、目标跟踪、组合导航等。其中，组合导航是卡尔曼滤波最成功的应用领域。 5 卡尔曼滤波方程 离散系统的数学描述 连续系统的卡尔曼滤波方程 一般情况下经常采用离散卡尔曼滤波方程 根据估计均方误差最小的估计准则，按上述系统和量测值，可以推导出连续系统的滤波方程，即 3.4 连续—离散系统卡尔曼滤波方程 实际被估计状态的系统经常是连续系统，而量测是间隔时间的，这种被估计对象常称为连续—离散系统 滤波方程 : 连续系统离散化的实质 上式中T为滤波器的计算周期 7 联邦卡尔曼滤波 卡尔曼滤波最成功的工程应用是设计运载体的高精度组合导航系统。为了与联邦滤波方法相区别，将普通的卡尔曼滤波称为集中卡尔曼滤波。 由于对导航精度要求的提高，导航设备越来越多。另一方面，现代系统向大系统和复杂系统的方向发展。这种情况下采用集中式卡尔曼实现组合导航，存在两个问题： 计算负担重。滤波器计算量以状态维数的三次方