(二)Kalman Filter公式推导
考虑一个用状态空间模型描述的动态系统
X(t+1)=ΦX(t)+ΓW(t)
Y(t)=HX(t)+V(t)
其中,
t
为时间,系统在时刻
【假设1】
- W(t) 和 V(t) 是均值为零,方差各为 Q 和
R 的不相关白噪声
【假设2】
- 初始状态 X(0) 与 W(t) 和 V(t) 不相关,而且
E[X(0)]=μ0,E[(X(0)−μ0)(X(0)−μ0)T]=P0
推导
- 问题重述
卡尔曼滤波是一个基于观测信号 {
Y(1),Y(2),...,Y(t)} ,求状态 X(k) 的线性最小方差估计值的问题 X^(k|t) ,而且这个问题的目标函数是
J=E[(X(k)−X^(k|t))T(X(k)−X^(k|t))]
那么由之前的定义1.1可以得到,卡尔曼滤波问题可以归为求射影
X^(k|t)=proj(X(k)|Y(1),Y(2),...,Y(t))
由定义1.5可以得到递推公式为
X^(t+1|t+1)=X^(t+1|t)+K(t+1)ϵ(t+1)
K(t+1)=E[X(t+1)ϵT(t+1)]{
E[ϵ(t+1)ϵT(t+1)]}−1
其中
K(t+1)
为卡尔曼滤波器增益。
- 对状态方程求射影
以 w 表示观测信号,对状态方程
proj(X(t+1)|w)=Φproj(X(t)|w)+Γproj(W(t)|w)
X^(t+1|t)=ΦX^(t|t)+Γproj(W(t)|w)
迭代求解状态方程后获得原状态方程的另一种表示