卡尔曼滤波方法.pdfVIP

卡尔曼滤波方法

3.1卡尔曼滤波的特点及应用领域

•卡尔曼滤波(KalmanFiltering)是1960年由首次提出的一种

估计方法。之所以称为滤波，是因为它是一种排除随机干

扰，提高检测精度的一种手段。

•KF是基于最小方差准则推导出来的一种线性滤波器。

•KF是一种时域递推算法，根据上一状态的估计值和当前

状态的观测值推出当前状态，不需存储大量的历史数据，

便于计算机实现。

•KF要求明确已知系统模型。即在应用卡尔曼滤波之前，

首先要建立系统模型和观测模型，并假定过程噪声、观测

噪声为高斯白噪声。

•应用领域：机器人导航、目标跟踪、组合导航等。其中，

组合导航是卡尔曼滤波最成功的应用领域。

2

3.2系统的状态空间描述

•连续系统模型：

状态方程

观测方程

3

系统的状态空间描述(续)

4

卡尔曼滤波的直观推导

得预测测量估计偏差：

利用此偏差修正预测估计：

待定校正增益阵5

卡尔曼滤波的直观推导(续)

增益阵的求法：

定义：

6

卡尔曼滤波的递推运算方程

初始条件

状态预测

时间更新

方差预测/预测

增益矩阵

新息序列

测量更新

状态估值/修正

方差估值

7

卡尔曼滤波的结构图

上述递推公式，称为卡尔曼滤波器。实际上，卡尔曼

滤波器也是一个系统，其结构框图如下

当前估计值

++

-+

延时

一步

一步预测

上一步估计值

8

卡尔曼滤波的应用实例(舰船导航)

卡尔曼滤波最成功的工程应用是设计运载体的高精度组合导航

系统。下面以舰船导航问题为例，介绍其具体应用。

1、系统模型

•状态变量

式中，