1960 年,卡尔曼发表了用递归方法解决离散数据线性滤波问题的论文( A New Approach to Linear Filtering and Prediction Problems )。在这篇文章里,一种克服了维纳滤波缺点的新方法被提出
来,这就是我们今天称之为卡尔曼滤波的方法。卡尔曼滤波应用广泛且功能强大,它可以估计信号的过去和当前状态,甚至能估计将来的状态,即使并不知道模型的确切性质。本质上来讲,滤波就是一个信号处理与变换(去除或减弱不想要的成分,增强所需成分)的过程,这个过程既可以通过硬件来实现,也可以通过软件来实现。 卡尔曼滤波属于一种软件滤波方法,其基本思想是:以最小均方误差为最佳估计准则,采用信号与噪声的状态空间模型,利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计,求出当前时刻的估计值,算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计最初的卡尔曼滤波算法被称为基本卡尔曼滤波算法,适用于解决随机线性离散系统的状态或参数估计问题。
1.1 建立系统数学模型
在实际应用中,我们可以将物理系统的运行过程看作是一个状态转换过程,卡尔曼滤波将状态空间理论引入到对物理系统的数学建模过程中来,其假设系统状态可以用 n 维空间的一个向量 X∈Rn
来表示。为了描述方便,我们作以下假设: ① 物理系统的状态转换过程可以描述为一个离散时间的随机过程; ②系统状态受控制输入的影响; ③ 系统状态及观测过程都不可避免受噪声影响; ④ 对系统状态是非直接可观测的。在以上假设前提下,定义系统状态变量为 X k ∈