卡尔曼滤波的方法.pptVIP

3卡尔曼滤波方法 3,1卡尔曼滤波的特点及应用领域 32系统的状态空间描述 3.3卡尔曼滤波的直观推导 3.4卡尔曼澽波的递推运算方程 3.5卡尔曼滤波的结构图 3.6卡尔曼滤波的应用实例 37联邦卡尔曼滤波 3.8联邦卡尔曼滤波的应用实例 39 Unscented卡尔曼滤波 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。之所以称为滤浪,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, 首先要建立系统糗型和观测糗型,并假定过程噪声、观测 噪声为高斯白噪声 应用领: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 32系统的状态空间描述 连续系统模型 X()=fX()W() 状态方程 Z()=h[x(t)() 观测方程 X(1)--n维状态向量 z(1)一-m维观测向量; W()一亠p维系统随机干扰; v(t) m维随机测量噪声 f(1),h(t) 维和m维向量函数 系统的状态空间描述(续) 连续系统线性模型 X()=A()X(t)+F(tW() Z(1)=()X(t)+(1) ·连续系统定长线性模型 X()=AX()+PW(1) Z()=Hx(1+() 离散线性系统模型 XH1+Ik.k W Zk=Hkxk+vk 33卡尔曼滤波的直观推导 假设在k时刻已获得次测量结果Z1,乙2 且已得到X1的最优线性估试则设想: ①,,,X k-1 H,x kIk-1 得预测测量估计偏差 之从1=乙一么1=Z1-HX 利用此偏差修正预测估计 Xk=Xk-1+人2k-HkXk1 待定校正增益阵