卡尔曼滤波器介绍最容易理解.pdfVIP

10.6 10.6 1100..66 卡尔曼滤波器简介 本节讨论如何从带噪声的测量数据把有用信号提取出来的问题。通常，信号的频 谱处于有限的频率范围内，而噪声的频谱则散布在很广的频率范围内。如前所述，为 了消除噪声，可以把 FIR滤波器或IIR滤波器设计成合适的频带滤波器，进行频域滤 波。但在许多应用场合，需要进行时域滤波，从带噪声的信号中提取有用信号。虽然 这样的过程其实也算是对信号的滤波，但所依据的理论,即针对随机信号的估计理论, 是自成体系的。人们对随机信号干扰下的有用信号不能“确知”，只能“估计”。为了 “估计”，要事先确定某种准则以评定估计的好坏程度。最小均方误差是一种常用的比 较简单的经典准则。典型的线性估计器是离散时间维纳滤波器与卡尔曼滤波器。 对于平稳时间序列的最小均方误差估计的第一个明确解是维纳在1942年2月首先 给出的。当时美国的一个战争研究团体发表了一个秘密文件，其中就包括维纳关于滤 波问题的研究工作。这项研究是用于防空火力控制系统的。维纳滤波器是基于最小均 方误差准则的估计器。为了寻求维纳滤波器的冲激响应，需要求解著名的维纳-霍夫方 程。这种滤波理论所追求的是使均方误差最小的系统最佳冲激响应的明确表达式。这 与卡尔曼滤波（Kalman filtering）是很不相同的。卡尔曼滤波所追求的则是使均方误差 最小的递推算法。 在维纳进行滤波理论研究并导出维纳-霍夫方程的十年以前，在1931 年，维纳和 霍夫在数学上就已经得到了这个方程的解。 对于维纳-霍夫方程的研究，20世纪五十年代涌现了大量文章，特别是将维纳滤波 推广到非平稳过程的文章甚多，但实用结果却很少。这时正处于卡尔曼滤波问世的前 夜。 维纳滤波的困难问题，首先在上世纪五十年代中期确定卫星轨道的问题上遇到了。 1958 年斯韦尔林（Swerling）首先提出了处理这个问题的递推算法，并且立刻被承认和 应用。1960 年卡尔曼进行了比斯韦尔林更有意义的工作。他严格地把状态变量的概念 引入到最小均方误差估计中来，建立了卡尔曼滤波理论。空间时代的到来推动了这种 滤波理论的发展。 维纳滤波与卡尔曼滤波所研究的都是基于最小均方误差准则的估计问题。 维纳滤波理论的不足之处是明显的。在运用的过程中，它必须把用到的全部数据 存储起来，而且每一时刻都要通过对这些数据的运算才能得到所需要的各种量的估值。 按照这种滤波方法设置的专用计算机的存储量与计算量必然很大，很难进行实时处理。 虽经许多科技工作者的努力，在解决非平稳过程的滤波问题时，给出能用的方法为数 甚少。到五十年代中期，随着空间技术的发展，这种方法越来越不能满足实际应用的 需要，面临了新的挑战。尽管如此，维纳滤波理论在滤波理论中的开拓工作是不容置 疑的，维纳在方法论上的创见，仍然影响着后人。 五十年代中期，空间技术飞速发展，要求对卫星轨道进行精确的测量。为此，人 们将滤波问题以微分方程表示，提出了一系列适应空间技术应用的精练算法。1960 年 和1961 年，卡尔曼（R.E.Kalman）和布西(R.S.Bucy)提出了递推滤波算法，成功地将 状态变量法引入到滤波理论中来，用消息与干扰的状态空间模型代替了通常用来描述 它们的协方差函数，将状态空间描述与离散时间更新连系起来，适于计算机直接进行 运算，而不是去寻求滤波器冲激响应的明确公式。这种方法得出的是表征状态估计值 及其均方误差的微分方程，给出的是递推算法。这就是著名的卡尔曼理论，或称卡尔 - 曼布西滤波。 - 从维纳霍夫方程来看，维纳滤波算法是十分低效的。这种算法要求设置大量存储 器保存过去的测量数据，新的一个数据来到后，要进行刷新，重新计算自相关和互相 关序列。再者，求解这个方程需要耗费大量机时对高阶矩阵求逆。因此，维纳滤波算 法难以用于实时处理中，尤其是无法用于军事、航空航天等领域。 - 在维纳滤波中，必须首先求解维纳 霍夫方程，得到有限长度的冲激响应序列，在 FIR FIR 这个意义上，维纳滤波器属于FFIIRR滤波器的范畴。 卡尔曼滤波不要求保存过去的测量数据，当新的数据到来时，根据新的数据和前 一时刻的诸量的估值，借助于系统本身的状态转移方程，按照一套递推公式，即可算