最优化递归数字处理算法
当我们在描述一个系统时,不确定性主要体现在三个方面:
(1)不存在完美的数学模型
(2)系统的扰动不可控,也很难建模
(3)测量传感器存在误差
估计真实结果,最自然的方法是多次测量取平均值。
综述,当时,,,再多的测量已不再重要。
另,则
即当前的估计值=上一次的估计值+系数×(当前的测量值-上一次的估计值)
即为卡尔曼增益。
小结:只需要当前的测量值和上一次的估计值,不需要更早的数据。
如果假设估计误差为,测量误差为,则
当估计误差远大于测量误差时,卡尔曼增益为1,估计值为测量值;
当测量误差远大于估计过程时,卡尔曼增益为0,估计值为估计值。
方法分为三步:
步骤(1)计算卡尔曼增益
步骤(2)更新估计值
步骤(3)更新估计误差
小结:测量值的误差是固定的,估计值的误差是根据测量误差逐步迭代更新的。