思想:
线性、递推、最优估计、最小均方误差
特点:
依赖于系统模型,跟踪机动目标时,滤波器易发散
系统模型遵循线性系统状态空间模型:
X(k) = A(k,k-1)X(k-1)+G(k)W(k)
Y(k) = H(k)X(k)+V(k)
其中,X:目标状态向量;Y:量测向量;A:状态转移矩阵;G:输入矩阵;H:观测矩阵;W:状态噪声;V:量测噪声;Q:W的协方差矩阵;R:V的协方差矩阵。
若干假设:
……
公式:
(1)第一步:根据k-1时刻的最优状态估计值先验预测k时刻的状态值
X(k|k-1)=AX(k-1|k-1)
k-1时刻的最优状态估计值X(k-1|k-1)由上一次估计获得。根据递推思想,最初应该对其有一个初始化值,这个值的初始化会影响收敛的速度。
第二步:获得k时刻的量测值Y(k)
这个值有系统量测得到,不是算出来的。在目标跟踪中,是图像分析获得的结果。
(2)第三步:将上述两个量结合,后验估计k时刻的最优状态值。
X(k|k)=X(k|k-1)+K[Y(k)-HX(k|k-1)]
其中,K被称为卡尔曼滤波增益,因为它是(Y-HX)的系数。
(3)K(k)=P(k|k-1) H'(k) [H(k)P(k|k-1)H'(k)+R(k)]。
称Y(k)-HX(k|k-1)为残差(新息),即d(k)=Y(k)-HX(k|k-1)。
称H(k)P(k|k-1)H'(k)+R(k)为残差协方差矩阵,即S(k)=H(k)P(k|k-1)H'(k)+R(k)。
于是引出P(k|k-1),为先验估计误差的协方差
(4)P(k|k-1)=A(k|k-1)P(k-1|k-1)A'(k|k-1)+G(k-1)Q(k-1)G'(k-1)
于是引出P(k-1|k-1),为后验估计误差的协方差
(5)P(k|k)=[I-K(k)H(k)]P(k|k-1)