EKF
目录
前言
针对非线性系统,卡尔曼滤波算法的效果比较差甚至不可使用。于是就有了扩展卡尔曼滤波,针对非线性系统也可以做到比较好的预测。
一、系统描述
对一个离散的非线性随机系统的状态空间的描述如下:
其中是一个
维的列向量,
是
维的列向量,分别是在时间
的状态和观测值。函数
把
维的列向量映射到
维的列向量空间中去。函数
把
维的状态列向量映射到观测空间的
维的列向量。
、
分别是在状态空间和观测空间的相互独立的白噪声。白噪声的概率密度函数符合高斯分布,均值是0,方差分别是
和
。
二、扩展卡尔曼滤波
1.线性化
首先是对非线性函数的线性化,利用一阶泰勒函数的展开把非线性函数进行线性化。
其中是
在
处的估计值。
其中是
在
处的估计值。
2.算法流程
1)初始化
2)滤波、观测更新
3)预测更新
观测方程如果是强非线性的则滤波器的性能会恶化,此时迭代扩展卡尔曼滤波的效果会更好。