数学与工程应用.pptx

数学与工程应用;内容;滤波器基础知识;低通;带通与带阻;滤波器的串/并联;理想滤波器;理想滤波器的物理不可实现;实际滤波器;实际滤波器;模拟滤波器与数字滤波器;数字滤波器的实现;差分方程;递归滤波器与非递归滤波器;卷积;卷积;卷积;卷积;FIR滤波器;IIR滤波器; ; 4.什么是卡尔曼滤波： 卡尔曼滤波是美国工程师Kalman 在线性最小方差估计的基础上，提出的在数学结构上比较简单的而且是最优线性递推滤波方法，具有计算量小、存储量低，实时性高的优点。特别是对经历了初始滤波后的过渡状态，滤波效果非常好。 ; 卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现在时刻的估计值。它适合于实时处理和计算机运算。 ; 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。 ;卡尔曼滤波特点： 　　卡尔曼滤波是解决状态空间模型估计与预测的有力工具之一，它不需存储历史数据，就能够从一系列的不完全以及包含噪声的测量中，估计动态系统的状态。卡尔曼滤波是一种递归的估计，即只要获知上一时刻状态的估计值以及当前状态的观测值就可以计算出当前状态的估计值，因此不需要记录观测或者估计的历史信息。 ; 卡尔曼滤波器与大多数我们常用的滤波器不同之处，在于它是一种纯粹的时域滤波器，不需要像低通滤波器等频域滤波器那样，需要在频域设计再转换到时域实现。;5.卡尔曼滤波器的软硬件实现 目前,卡尔曼滤波器已经有很多不同的实现形式。卡尔曼最初提出的形式现在一般称为简单卡尔曼滤波器。除此以外,还有施密特扩展卡尔曼滤波器,信息滤波器以及平方根滤波器。最常见的卡尔曼滤波器是锁相环 ，采用FPGA硬件可以实现卡尔曼滤波器。 ;硬件实现：卡尔曼滤波器有良好的滤波效果，但由于其计算量大，当采样率高时，一个采样周期内难以完成计算，且计算机的字长有限，使计算中舍入误差和截断误差积累、传递，造成数值不稳定，因此用MCU和DSP难以实现。FPGA可以实现并行计算，它有多个乘法器和累加器并行处理数据，采用FPGA实现的卡尔曼滤波器，由于输入和输出数据计算同时进行，因此可以大大提高滤波速度。 ;软件实现： 許多物理进程，如路上行驶的車辆、围绕地球轨道运转的卫星、由绕组电流驱动的电机轴或正弦射頻載波信号，均可用线性系统來近似。线性系统是指能用如下两个方程描述的简单进程：  状态方程：  输出方程：; 在上述方程中，A、B和C均为矩陣，k是時間系数，x称为系統状态，u是系統的已知輸入，y是所測量的輸出。w和z表示噪音，其中变量w称为进程噪音，z称为測量噪音，它們都是向量。 则卡尔曼滤波的算法流程为：; 1.预估计X(k)^= F(k,k-1)·X(k-1)?2.计算预估计协方差矩阵3.C(k)^=F(k,k-1)×C(k)×F(k,k-1)+T(k,k-  1)×Q(k)×T(k,k-1)4.Q(k) = U(k)×U(k)?5.计算卡尔曼增益矩阵6.K(k) = C(k)^×H(k)×[H(k)×C(k)^×H(k)+R(k)]^(-1)7.R(k) = N(k)×N(k)?; 8.更新估计 9.X(k)~=X(k)^+K(k)×[Y(k)-H(k)×X(k)^]10.计算更新后估计协防差矩阵11.C(k)~ = [I-K(k)×H(k)]×C(k)^×[I-  K(k)×H(k)]‘+K(k)×R(k)×K(k)’12.X(k+1) = X(k)13.C(k+1) = C(k)14.重复以上步骤该算法可用C语言编程，在计算机上实现。 ;6.卡尔曼滤波器的应用 卡尔曼滤波器最初是专为飞行器导航而研发的，目前已成功应用在許多领域中。卡尔曼滤波器主要用来預估那些只能被系统本身間接或不精確观測的系统状态。許多工程系统和嵌入式系统都需要卡尔曼滤波。;统计的基本概念;一、统计量;;二、分布函数的近似求法;;;;;参数估计;一、点估计的求法;(二）极大似然估计法;二、区间估计的求法;1、已知DX，求EX的置信区间;1.参数检验：如果观测的分布函数类型已