线性离散卡尔曼滤波器.pdfVIP

线性离散卡尔曼滤波公式 两种数学推导方法的比较 1. 引言 卡尔曼滤波属于一种软件滤波方法，其基本思想是：以最小均方 误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一 刻的估计值和当前 刻的观测值来更新对状态变量的估计，求出当前 刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信 号做出满足最小均方误差的估计。从研究的历史来看，卡尔曼是首先 研究的离散形式的卡尔曼滤波问题，所以最初的卡尔曼滤波算法被称 为基本卡尔曼滤波算法，适用于解决随机线性离散系统的状态或参数 估计问题。下面分别对比了离散线性卡尔曼滤波器的相关公式推导的 两种方法。 2. 离散线性卡尔曼滤波器的直观数学推导 下面从直观角度来推导线性离散系统的卡尔曼滤波器，这是书中 的推导方法。首先假设线性离散系统模型如下   x   w x k k ,k 1 k 1 k ,k 1 k 1 z  H x  v k k k k ˆ 其中，wk 1 为过程噪声， vk 为观测噪声，zk 为第 k 次的测量值，xk / k ˆ 是 xk 的最优线性估计，xk / k 1 是xk 的一步预报估计。过程噪声 wk 1 和观 测噪声vk 的统计特性为： E [w ]  0,R (k , j )  Q  k 1 ww k kj E [v ]  0,R (k , j )  R  k vv k kj Rwv (k , j )  0 初始状态x0 的统计特性为： ˆ E [x ]  x , Var (x )  P 0 0 0 0 并假定x 与w 和v 均无关，则有： 0 k k R (0,k )  E (x , w )T  0 xw 0 k R (0,k )  E (x ,v )T  0 xv 0 k 据以上假设及条件，可得如下直观形式 ˆ ˆ x   x k / k 1 k ,k 1 k 1/ k 1 ˆ ˆ z  H x k / k 1 k k / k 1 ˆ ˆ  x  x  K z k / k k / k 1 k k / k 1  ˆ 式中，zk / k 1  zk  zk / k 1 ，K k 为待定的增益矩阵。 下面按照目标函数