多旋翼飞行器设计与控制理论 -第08讲_可观性和卡尔曼滤波器V2.pptx

2024/5/281什么是可观性？如何设计卡尔曼滤波器？核心问题

大纲1.可观性2.卡尔曼滤波3.多速率采样卡尔曼滤波4.扩展卡尔曼滤波5.本讲小结2024/5/282

可观性2024/5/283可观性就是回答“状态的变化能否由输出反映出来”中医“望闻问切”是否能瞧病？网络大数据作为输出，能否观测更有价值信息？三个关键词：动态系统、状态、输出

可观性2024/5/284直观地，状态A和状态C是不可观的

可观性2024/5/285连续线性系统考虑如下连续线性系统其中定义1.如果在有限时间间隔内，根据输出值和输入值，能够确定系统的初始状态的每一个分量，那么称此系统是完全可观的，简称可观测。三个关键词：动态系统、状态、输出（1）定义

可观性2024/5/286连续线性系统其中（2）直观解释由系统方程可知为什么不多求几阶导数？如：

可观性2024/5/287为什么不多求几阶导数？如：因此可观性矩阵的秩并不会增加所以只求到（n-1）阶导数连续线性系统根据凯利-哈密尔顿定理

可观性2024/5/288连续线性系统进一步定理1.系统可观测的充分必要条件。（3）定理利用此方程可以通过历史观测值y逆向唯一求解出状态x

可观性2024/5/289连续线性系统（4）例子例1.给出两个传感器GPS和加速度计，那么哪一个能够稳定地估计出一维运动小车的速度？GPS。为了简化起见，我们用GPS观测位置，一般用如下模型其中分别表示位置和速度，表示已知统计特性的噪声。可观！能够稳定地估计小车的速度y=x，故位置状态x可通过输出y直接求导得到，需要估计的是速度状态v

可观性2024/5/2810连续线性系统（4）例子加速度计。为了简化起见，用加速度计估计速度，一般用如下模型其中分别表示速度和加速度，表示已知统计特性的噪声。不可观！不能够稳定地估计小车的速度

可观性2024/5/2811连续线性系统（4）例子加速度计。两个自由落体的小球加速度一样，但是初始速度不一样。无法从输出（加速度），观测出小球初始速度（状态）。不可观。

可观性2024/5/2812离散线性系统（1）定义对于连续线性系统，可以通过采样周期精确地将连续系统转化成离散系统。将连续系统模型转换成如下离散采样线性系统其中定义2.如果在有限时间间隔内，根据输出值和外界输入值，能够确定系统的初始状态的每一个分量，那么称此系统是完全可观的，简称可观测。

可观性2024/5/2813离散线性系统（2）直观解释定理2.系统可观测的充分必要条件是（3）定理

卡尔曼滤波器2024/5/2814概述卡尔曼滤波器是一种递推线性最小方差估计算法。它的最优估计需满足以下三个条件：1）无偏性：即估计值的期望等于状态的真值；2）估计的方差最小；3）实时性。若，那么意味着是参数的无偏估计，否则为有偏估计，其中表示期望。若，如果对于任意一个估计，我们有，那么称为最小方差估计，其中D(·)表示方差。

卡尔曼滤波器2024/5/2815模型描述假设线性离散系统模型如下：式中，过程噪声和观测噪声的统计特性为独立不相关自相关系数互相关系数系统噪声方差阵观测噪声方差阵克罗内克δ函数

卡尔曼滤波器2024/5/2816模型描述初始状态的统计特性为还假设状态的初始值与，均不相关，并且噪声向量与也不相关，即有：独立不相关其中，表示协方差

卡尔曼滤波器2024/5/2817卡尔曼滤波器推导思路目的：假设滤波器形式其中是的最优线性估计（最小方差无偏估计）。求使得是的最优线性估计。

卡尔曼滤波器2024/5/2818卡尔曼滤波器推导思路又因为要求，又已知不能要求，那么只能让第一步：求使得是的无偏估计因为

卡尔曼滤波器2024/5/2819卡尔曼滤波器推导思路第一步：求使得是的无偏估计其中物理意义？

卡尔曼滤波器2024/5/2820卡尔曼滤波器推导思路第二步：求使得是的最小方差估计也就是求解优化问题这里其中进一步可以得到当作已知

卡尔曼滤波器2024/5/2821卡尔曼滤波器推导思路第二步：求使得是的最小方差估计也就是求解优化问题正定矩阵一般极值在导数为零处求得其中，B是对称阵.

卡尔曼滤波器2024/5/282