卡尔曼滤滤波算法含详细推导.pptVIP

卡尔曼滤波算法及 推导  1、 kalman滤波问题 *考虑一离散时间的动态系统,它由描述状态向量的过程方程 和描述观测向量的观测方程共同表示。 (1)、过程方程 x(n+1)=F(n+1,n)x(n)+v1(n)……(1) 式中,M×1向量x(m)表示系统在离散时间n的状态向量,它是 不可观测的;M×M矩阵F(n+1,n)成为状态转移矩阵,描述 动态系统在时间n的状态到n+1的状态之间的转移,应为已知 而M1量Y淅程噪声向量,它描述状态转移中间的 加性噪声或误差  1、 kalman滤波问题 (1)、观测方程 y(m)=C(m)x(n)+v2(n)……(2) 式中,NⅪ向量yn表示动态系统在时间n的观测向量; N×M矩阵C(n)称为观测矩阵(描述状态经过其作用 变成可预测的),要求也是已知的;v(n)表示观测噪声向 量,其维数与观测向量的相同。过程方程也称为状态方程, 为了分析的方便,通常假定过程噪声v(m和观测噪声v(n) 均为零均值的白噪声过程,它们的相关矩阵分别为  1、 kalman滤波问题 E(v()(k)=1m…,8 E{v2(m)v2(k)} O2(n), n=k 0.n≠k 升)  1、 kalman滤波问题 *还假设状态的初始值x(0)与vn)、vn), n≥0均不相关,并且噪声向量v(n)与v(n) 也不相关,既有 E{v(n)v2(k)}=0,Vn,k…(5)  2、新息过程 *考虑一步预测问题,给定观测值y1),…,y(n-1),求观测向量yn)的 最小二乘估计,记作 (n)=f(v(1),…,y(m-1) (1)、新息过程的性质 y(n)的新息过程定义为 a(n)=y(n)-f1(m) 式中,N×1向量a(m表示观测数据y(m)的新的信息,简称新息。  2、新息过程 新息a(n)具有以下性质 性质1n时刻的新息a(n与所有过去的观测数据y(1),…,y(n 1)正交,即 Bla(n)y(k)=0, 1sksn-l....... 性质2新息过程由彼此正交的随机向量序列{a(m组成,即 有 E{(n)(k)}=0,1≤k≤n-1.8)  2、新息过程 性质3表示观测数据的随机向量序列y(1)…y(n}与表示新息 过程的随机向量序列{a(1)a(m)}一一对应,即 {y(1),…y(n)}今{a(1),a(m)} 以上性质表明:n时刻的新息a(n)是一个与n上课之前的观测数 据y(1),…,y(n-1)不相关,并具有白噪声性质的随机过程,但它却能够提 供有关y(n)的新息,这就上信息的内在物理含义。  2、新息过程 (2)、新息过程的计算 下面分析新息过程的相关矩阵 R(n)=E{a(n)a(n)}…….(10) 在 kalman滤波中,并不直接估计观测数据向量的进一步预测,而 是先计算状态向量的一步预测 def x1(n)=x(ny(1)…y(n-1) 然后再用到下式得到y(m) y,(n)=C(n)x1(n)… (12)  2、新息过程 *将上式代入新息过程的定义式(6),可得到 (n)=y(n)-C(n)x1(n) C(n)[x(n)-x1(m)]+v2(n)……,(13) *这就是新息过程的实际计算公式,条件是:一步预测的状态 向量估计x(n厘业已求出 *定义向量的一步预测误差 e(n+1,n)=x(n)-x1(n).(14)