最优估计之卡尔曼滤波器的发散抑制方法.pptxVIP

最优估计之卡尔曼滤波器的发散抑制方法会计学第1页/共40页第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 增广状态滤波 平方根滤波 第2页/共40页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。内容提要第3页/共40页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，如限定增益滤波、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。 第4页/共40页7.1 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。 第5页/共40页两类发散现象二者区别视在发散：滤波误差大，但有界；真实发散：滤波误差趋于无穷。第6页/共40页各类发散的解决方案视在发散的解决方法：（1）如果是由模型引起的，可通过改变系统的结构及参数，使系统的状态完全能控能观；（2）如果是数值发散，可以采用双字长运算，减少有效数字损失，也可以采用平方根滤波方法。 真实发散的解决方法：削弱预测在滤波估计中的作用，而增加新息的作用。 限定增益滤波的思想：降低模型误