针对的系统为:
状态方程 X(k)=AX(k-1)+Bu(k-1)+W(k-1)
测量方程 Z(k)=HX(k)+V(k) 0
W是状态预测的噪声 符合正态分布N(0,Q)
V 是测量的噪声 符合正态分布N(0,R)
理解:
一般测量值Z(k)为外界提供,大概是采用一种不同的方式去获取同一个目标值(值不一定相等),用来矫正预测的。于是我们得到了三个值,测量值Z(k),上一次综合预测值和测量值得到的最优值X(k-1|k-1),对上一次最优值通过状态方程预测的下一个结果
X(k|k-1)=AX(k-1|k-1)+Bu(k)。卡尔曼的滤波的目的是综合测量值和预测值得到一个最优值,这里采用的是分配权重的方式来综合结果X(k|k)=X(k|k-1)+K(k)(Z(k)-HX(k|k-1))。到此已经得到了最优的解,但是权重怎么计算?这里的权重K就是卡尔曼增益(Kalman gain)。K的确定是通过求使得估计值X(k|k)与真实值Xk的均方误差最小的K。得到K之后自然就是想办法使得卡尔曼滤波可以无限迭代下去,这好像是卡尔曼最牛逼的地方。
推导过程:
要看懂推导过程需要一些矩阵的计算知识以及统计学知识。
预测方程
<