卡尔曼滤波基础知识.docxVIP

卡尔曼滤波 马尔可夫过程： 在随机理论屮，把在某时刻的事件受在这Z前事件的影响，英影响范围冇限的随 机过程，称为马尔可夫过程。一个事件受在它之前的事件的影响的深远程度， 通常用在它之前的事件作为条件的概率来表达。受前一个事件的影响，简称为马 尔可夫过程；受前两个事件的影响，称为二阶马尔可夫过程；受前三个事件的 影响，称为三阶马尔可夫过程！ 卡尔曼滤波简介+算法实现代码(转)： 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家K OJIMOFOPOB等人的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波 的最大缺点是必须用到无限过去的数据，不适用于实时处理。为了克服这一缺点, 60年代Kalman把 状态空间模型引入滤波理论，并导出了一套递推估计算法， 后人称Z为卡尔曼滤波理论。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, 利用前一时刻地佔计值和现吋刻的观测值来更新对状态变量的佔计，求出现吋刻 的估计值。它适合于实时处理和计算机运算。 现设线性时变系统的离散状态防城和观测方程为： X(k) = F(k,k-1 )X(k-1 )+T(k,k-1 )U(k-1) Y(k) = H(k)X(k)+N(k) 其屮 X(k)和Y(k)分别是k时刻的状态欠量和观测欠量 F(k,k?1)为状态转移矩阵