卡尔曼(kalman)滤波算法特点及其应用.pdfVIP

Kalman 滤波算法的特点： （1）由于Kalman 滤波算法将被估计的信号看作在白噪声作用下一个随机线性系统的 输出，并且其输入/输出关系是由状态方程和输出方程在时间域内给出的，因此这种滤波方 法不仅适用于平稳随机过程的滤波，而且特别适用于非平稳或平稳马尔可夫序列或高斯-马 尔可夫序列的滤波，所以其应用范围是十分广泛的。 （2）Kalman 滤波算法是一种时间域滤波方法，采用状态空间描述系统。系统的过程噪 声和量测噪声并不是需要滤除的对象，它们的统计特征正是估计过程中需要利用的信息，而 被估计量和观测量在不同时刻的一、二阶矩却是不必要知道的。 （3）由于Kalman 滤波的基本方程是时间域内的递推形式，其计算过程是一个不断地 “预测-修正”的过程，在求解时不要求存储大量数据，并且一旦观测到了新的数据，随即 可以算的新的滤波值，因此这种滤波方法非常适合于实时处理、计算机实现。 （4）由于滤波器的增益矩阵与观测无关，因此它可预先离线算出，从而可以减少实时 在线计算量。在求滤波器增益矩阵时，要求一个矩阵的逆，它的阶数只取决于观测方程的维 数，而该维数通常很小，这样，求逆运算是比较方便的。另外，在求解滤波器增益的过程中， 随时可以算出滤波器的精度指标P，其对角线上的元素就是滤波误差向量各分量的方差。 Kalman 滤波的应用领域 一般地，只要跟时间序列和高斯白噪声有关或者能建立类似的模型的系统，都可以利用 Kalman 滤波来处理噪声问题，都可以用其来预测、滤波。Kalman 滤波主要应用领域有以下 几个方面。 （1）导航制导、目标定位和跟踪领域。 （2）通信与信号处理、数字图像处理、语音信号处理。 （3）天气预报、地震预报。 （4）地质勘探、矿物开采。 （5）故障诊断、检测。 （6）证券股票市场预测。 具体事例： （1）Kalman 滤波在温度测量中的应用； （2）Kalman 滤波在自由落体运动目标跟踪中的应用； （3）Kalman 滤波在船舶GPS 导航定位系统中的应用； （4）Kalman 滤波在石油地震勘探中的应用； （5）Kalman 滤波在视频图像目标跟踪中的应用；