第七章滤波、推估与配置-kalman滤波------复件.pptxVIP

第七章

最小二乘滤波、推估与配置

序贯平差、kalman滤波

;一、滤波、推估及配置概述;滤波模型对设计矩阵B是否满秩，不作要求。

滤波因考虑了参数的随机性，故所得的估值比最小二乘平差估值具有更高的精度。;将G-M模型推广，可得最小二乘配置的函数模型：;二、最小二乘滤波与推估;虚拟观测值的误差方程：;广义最小二乘原理：;~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~;滤波的单位权方差估值：;计算结果，将两个控制网连接成一个控制网，使两网坐标统一起来。;三、最小二乘配置;最小二乘配置应用举例;最小二乘配置的总误差方程为;四、序贯平差—静态卡尔曼滤波;解法1:

;五、卡尔曼滤波;Kalman滤波应用举例

在雷达跟踪目标系统中，观察到的是带有噪声的目标位置、运动速度、加速度等，Kalman滤波就是能利用目标的动态信息，减小或去除噪声的影响，得到关于目标位置的最佳估计。

Kalman滤波利用过去直到当前的观测信息：

1)、对目标当前位置估计（滤波）；

2)、对目标将来位置估计（预测）；

3)、重新估计过去的状态（插值或称平滑）。

Kalman滤波分为：滤波、预测、平滑三个主要部分。

;2、状态方程（动态方程）和观测方程;随机模型;状态方程和观测方程统一转化为观测方程形式;虚拟观测方程;3、kalman滤波器的5个核心公式;