卡尔曼滤波算法与matlab实现.pdf

实用标准文案 一个应用实例详解卡尔曼滤波及其算法实现 标签： 算法 filtermatlabalgorithm 优化工作 2012-05-14 10:48 75511 人阅读 评论 (25) 收藏 举报 分类： 数据结构及其算法（ 4 ） 为了可以更加容易的理解卡尔曼滤波器， 这里会应用形象的描述方法来讲解， 而 不是像大多数参考书那样罗列一大堆的数学公式和数学符号。 但是，他的 5 条公 式是其核心内容。 结合现代的计算机， 其实卡尔曼的程序相当的简单， 只要你理 解了他的那 5 条公式。 在介绍他的 5 条公式之前，先让我们来根据下面的例子一步一步的探索。 假设我们要 研究的对象是一个房间的温度 。根据你的经验判断 ，这个房间的温度 是恒定的， 也就是下一分钟的温度等于现在这一分钟的温度 （假设我们用一分钟 来做时间单位）。假设你对你的经验不是 100%的相信，可能会有上下偏差几度。 我们 把这些偏差看成是高斯白噪声（ White Gaussian Noise ），也就是这些 偏差 跟前后时间是没有关系的而且符合高斯分配（ Gaussian Distribution ）。另外， 我们在房间里放一个温度计， 但是这个温度计也不准确的， 测量值会比实际值偏 差。我们也把这些偏差看成是高斯白噪声。 好了，现在对于某一分钟我们有两个有 关于该房间的温度值 ：你根据经验的预测 值（系统的预测值 ）和温度计的值（ 测量值 ）。下面我们要用这两个值结合他们 各自的噪声来估算出房间的实际温度值。 假如我们要 估算 k 时刻的是实际温度值 。首先你要根据 k-1 时刻的温度值， 来预 测 k 时刻的温度。 因为你相信温度是恒定的， 所以你会得到 k 时刻的温度预测值 是跟 k-1 时刻一样的，假设是 23 度，同时该值的高斯噪声的偏差是 5 度（ 5 是 这样得到的：如果 k-1 时刻估算出的最优温度值的偏差是 3，你对自己预测的不 确定度是 4 度，他们平方相加再开方，就是 5 ）。然后，你从温度计那里得到了 k 时刻的温度值，假设是 25 度，同时该值的偏差是 4 度。 由于我们用于估算 k 时刻的实际温度有两个温度值，分别是 23 度和 25 度。究 竟实际温度是多少呢？ 相信自己还是相信温度计呢？究竟相信谁多一点， 我们可 以用他们的 covariance （协方差）来判断 。因为 Kg^2=5^2/(5^2+4^2) ，所以 Kg=0.78，我们可以估算出 k 时刻的实际温度值是： 23+0.78*(25-23)=24.56 度。 可以看出，因为温度计的 covariance 比较小（比较相信温度计），所以估算出 的最优温度值偏向温度计的值。 现在我们已经得到 k 时刻的最优温度值了，下一步就是要进入 k+1 时刻，进行 新的最优估算。到现在为止，好像还没看到什么自回归的东西出现。对了，在进 入 k+1 时刻之前，我们还要算出