状态估计卡尔曼滤波.pptxVIP

状态估计卡尔曼滤波会计学第1页/共72页状态估计的主要内容应用： 通过数学方法寻求与观测数据最佳拟合的状态向量。 1、确定运动目标的当前位置与速度； 2、确定运动目标的未来位置与速度； 3、确定运动目标的固有特征或特征参数。智能信息处理技术第2页/共72页状态估计主要内容：位置与速度估计。位置估计：距离、方位和高度或仰角的估计；速度估计：速度、加速度估计。 智能信息处理技术状态估计的主要方法第3页/共72页 1、α-β滤波 2、α-β-γ滤波 3、卡尔曼滤波 这些方法针对匀速或匀加速目标提出，如目标真实运动与采用的目标模型不一致，滤波器发散。 智能信息处理技术算法的改进及适应性第4页/共72页状态估计难点：机动目标的跟踪 1、自适应α-β滤波和自适应Kalman滤波均改善对机动目标的跟踪能力。 2、扩展Kalman滤波针对卡尔曼滤波在笛卡儿坐标系中才能使用的局限而提出。智能信息处理技术卡尔曼滤波器第5页/共72页卡尔曼滤波器的应用: 通信、雷达、导航、自动控制等领域； 航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等。智能信息处理技术卡尔曼滤波器的应用特点第6页/共72页对机动目标跟踪中具有良好的性能；为最佳估计并能够进行递推计算；只需当前的一个测量值和前一个采样周期的预测值就能进行状态估计。智能信息处理技术卡尔曼滤波器的局限性第7页/共72页卡尔曼滤波器解决运动目标或实体的状态估计问题时，动态方程和测量方程均为线性。智能信息处理技术一、数字滤波器作估值器 第8页/共72页 1、非递归估值器 2、递归估值器 智能信息处理技术 1、非递归估值器 第9页/共72页 采样平均估值器： 采用时域分析方法在掺杂有噪声的测量信号中估计信号x。智能信息处理技术第10页/共72页 根据数字信号处理我们知道，所谓非递归数字滤波器是一种只有前馈而没有反馈的滤波器，它的冲击脉冲响应是有限的， 在许多领域有着广泛的应用。  假定用zk表示观测值， zk=x+nk 式中： x —恒定信号或称被估参量 nk —观测噪声采样 假定，E(x)=x0，D(x)=σ2x，E(nk)=0，E(n2k)=σ2n。智能信息处理技术第11页/共72页 h1, h2, …, hm是滤波器的脉冲响应hj的采样，或称滤波器的加权系数。滤波器的输出 当h1=h2=…=hm=1/m时， 该式表明，估计 是用m个采样值的平均值作为被估参量x的近似值的，故称其为采样平均估值器。  智能信息处理技术第12页/共72页 估计的均方误差以Pε表示，有 当i=j时δij=1，当i≠j时δij=0，有 最后得： 智能信息处理技术结论第13页/共72页 ①估计值 是用m个采样值的平均值作为被估参量x的近似值； ②估值器的均方误差随着m的增加而减少； ③该估值器是一个无偏估值器。智能信息处理技术2、递归估值器第14页/共72页一阶递归估值器： a为滤波器的加权系数，a1。 智能信息处理技术第15页/共72页 递归数字滤波器是一种带有反馈的滤波器，它有无限的脉冲响应，有阶数少的优点， 但其暂态过程较长。关于信号和噪声的基本假设与非递归情况相同。上图给出的一阶递归滤波器输入输出信号关系如下： 式中，zk与非递归情况相同；a是一个小于1的滤波器加权系数， 如果它大于或等于1， 该滤波器就不稳定了。 智能信息处理技术第16页/共72页yk=ak-1z1+ak-2z2+…+azk-1+zk k时刻的输出： 将zk中的信号和噪声分开，并代入，有输出 由于│a│＜1，故随着k值的增加，yk趋近于x/(1-a)。这样，如果以(1-a)yk作为x的估计值， 则 智能信息处理技术第17页/共72页 此时信号x和估值之间只差一个噪声项。当k值较大时， 估值的均方误差 而一次取样的均方误差 故上一结果的均方误差约为一次采样的（1-a）/（1+a）倍。 智能信息处理技术二、线性均方估计第18页/共72页1、最优非递归估计（标量维纳滤波）2、递归估计智能信息处理技术第19页/共72页 1. 最优非递归估计 非递归滤波器的估计值及其估计误差可分别表示为 智能信息处理技术第20页/共72页 对m个参数逐一求导，令等于零，在均值为零的白噪声的情况下，可得到最小均方误差和估计： 其中，b=σ2n/σ2x，在bm时，这种估计近似于采样平均。在噪声方差σ2n较大时，其性能明显优于非最佳情况。这种最小均方误差准则下的线性滤波，通常称作标量维纳滤波。  hj与非最优情况的不同，这里的滤波器的加权系数为智能信息处理技术第21页/共72页 2、由最优非递推估计导出递归估计由前可知， 非递归估值器可以表示为 条件与前面相同。对k+1次取样，相应的估计量 相应的估计误差 智能信息处理技术第22页/共72页由b=σ2n