3卡尔曼滤波方法.pptVIP

哈尔滨工程大学 3.1 卡尔曼滤波的特点及应用领域 卡尔曼滤波(Kalman Filtering)是1960年由R.E.Kalman首次提出的一种估计方法。之所以称为滤波，是因为它是一种排除随机干扰，提高检测精度的一种手段。 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。 3.2 系统的状态空间描述 系统的状态空间描述(续) 3.3 卡尔曼滤波的直观推导 卡尔曼滤波的直观推导(续) 3.4 卡尔曼滤波的递推运算方程 3.5 卡尔曼滤波的结构图 3.6 卡尔曼滤波的应用实例(舰船导航) 状态变量 3.7 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剧增，无法满足导航的实时性