最优估计之卡尔曼滤波器发散抑制方法.pptVIP

最优估计  第7章卡尔曼滤波器的发散 抑制方法 滤波的发散现象 ●限定增益滤波 误差方差阵加权滤波 衰减记忆滤波 ●限定记忆滤波 増广状态滤波 平方根滤波  上一章要点回顾 问题:卡尔曼滤波最优的条件? 模型精确,统计特性已知。 否则滤波易发散  内容提要 针对卡尔曼滤波的发散问题,讨论了若干抑制滤波发散的方法。 对于模型误差导致的发散,可以通过直接和间接限定增益的方 法增强新测量数据的作用,如限定増益滤波、误差方差阵加权 滤波;可以增加新数据的比重,减小旧数据的比重,如衰减记 忆滤波和限定记忆滤波;也可以将模型误差作为状态的一部分 而估计,即增广状态滤波。 对于计算发散,可以采用平方根滤波法,减小截断误差的影响。  71滤波的发散现象 发散:实际的估计误差超过理论预计值,非常大,甚至趋于 无穷。 发散 视在发散 真实发散 模型发散 数值发散 系统模型或噪声不准 模型非完全能控能观 计算机截断误差  两类发散现象 实际值 实际值 理论值 理论值 (a)视在发散 b)真实发散 者区别 视在发散:滤波误差大,但有界; 真实发散:滤波误差趋于无穷。  7.2限定增益滤波 离散系统卡尔曼最优估计: klk-1 +K(zk-Hk 来自模型 来自观测 限定增益滤波的思想: 降低模型误差产生的影响,削弱最优估计公式中状态预测的作 用,而增加新息的作用,这需要通过限定增益来实现。