- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
by 学apm 挂科被导员批评的大二学生
卡尔曼滤波的技术基础
翻译自
/home.php?mod=space&uid=1565&do=blog&id=14253
考虑如下最简单的问题。给定一个未知常量x 的带噪音的测量值:z , z , … ,
1 2
zK 。假设一个加法模型:
z x v (1)
k k
其中,vk (k=1,2,…,k )为独立同分布噪声。
下式在大数定理或元素最小二乘拟合中已经熟知,或者从简单的常识可得到
下列估计
ˆ 1 k
xk zi k 次测量后的x 的估计值 (2 )
k i 1
为一个最优估计值,当k 趋于无穷大时,估计值收敛到x 的真实值。现在我们将
等式 (2 )改写为
ˆ 1 k -1 1 k 1 1 k -1 1 ˆ 1 ˆ
x z + z z + z x z x (3 )
k i k i k k 1 k k 1
k i 1 k k k 1 i 1 k k
式(3 )是式(2 )的简单的递归形式,有一个很有意思的解释,意味着k 次
测量之后的x 的最佳估计值是k-1 次测量之后的x 的最佳估计值再加上一个修正
ˆ
项zk xk 1 。该修正项是基于之前的k-1 次测量的信息,你认为你将在第k 次测
ˆ
量时所测得的值,即 ,和实际第k 次的测量值z 之间的差别。该差别来源于
xk 1 k
以下两个源头:
1、ˆ ,在这种情况下,我们应当使用此差别来修正我们的第k 次估计。
x x
k 1
2 、ˆ ,在这种情况下,我们应当忽略差别,此差别已经完全归于噪声
x x
k 1
了。
权重因子 1/k 代表了这两种考虑率的权衡。最初,当k 非常小的时候,我们
ˆ
不认为我们的估计 是非常好的,我们必须把更多的关注点移动到修正项
x
k 1
ˆ
zk xk 1 上。当 k 变大后,我们也越来越相信估计值,因此,我们对修正项
ˆ ˆ
zk xk 1 的关注相应越来越小,甚至在上述第二种xk 1 x 的极限情况下,我们
完全忽略了修正项。如果我们把权重因子1/k标记为P ,则通过简单的代数处理,
k
Pk 成为了递归等式
1
P P
文档评论(0)