1.一维情形下
1.1.常用术语
- K g K_g Kg:卡尔曼增益
- E E S T E_{EST} EEST:估计偏差
- E M E A E_{MEA} EMEA:测量偏差
- E S T t EST_{t} ESTt:t时刻的估计值
- M E A MEA MEA:测量值
1.2.计算过程
1.第一步,计算卡尔曼增益
K
g
=
E
E
S
T
E
M
E
A
+
E
E
S
T
K_g =\frac{E_{EST}}{E_{MEA} + E_{EST}}
Kg=EMEA+EESTEEST
K
g
K_g
Kg越大,说明测量误差越小,说明测量越准确
2.第二步计算t时刻的估计值,从这个公式,我们可以看出,卡尔曼增益越大,估算值误差越大,下一时刻,取测量值的比例越大。
E
S
T
t
=
E
S
T
t
−
1
+
K
g
(
M
E
A
t
-
E
S
T
t
−
1
)
EST_{t}=EST_{t-1} + K_g(MEA_t- EST_{t-1})
ESTt=ESTt−1+Kg(MEAt-ESTt−1)
3.第三步,计算t时刻的估计误差,B者这里没有搞清楚,这个估计误差的关系是如何建立的。
E
E
S
T
t
=
(
1
−
K
G
)
E
E
S
T
t
−
1
E_{EST_{t}}=(1-K_G)E_{EST_{t-1}}
EESTt=(1−KG)EESTt−1
2.多维情形下
2.1 常用术语
- X:状态向量
- u u u:控制变量
- w w w:噪声
- Y:测量值向量
- x ‾ \overline{x} x:测量值的平均值
- σ \sigma σ:测量值均方差,计算公式: ∑ i = 0 N ( x ‾ − x i ) 2 N \sqrt{\frac{\sum_{i=0}^N(\overline{x} -x_{i})^2}{N}} N∑i=0N(x−xi)2
- R:协方差矩阵
2.2 计算过程
状态转换方程
X
k
=
A
X
k
−
1
+
B
u
k
+
w
k
X_{k}=AX_{k-1} +Bu_{k}+w_{k}
Xk=AXk−1+Buk+wk
偏差转换方程
P
k
=
A
P
k
−
1
A
T
+
Q
P_{k}=AP_{k-1}A^T + Q
Pk=APk−1AT+Q
计算卡尔曼增益
K
k
=
P
k
H
T
H
P
k
H
T
+
R
K_{k}=\frac{P_{k}H^T}{HP_{k}H^T + R}
Kk=HPkHT+RPkHT
2.3 协方差矩阵
卡尔曼增益计算的R就是代表协方差矩阵
2.3.1 二维
[ σ x 2 σ x σ y σ y σ x σ y 2 ] { \begin{bmatrix} {\sigma_{x}}^2 & {\sigma_{x}{\sigma_{y}}}\\ {\sigma_{y}}{\sigma{x}}& {\sigma_{y}^2} \end{bmatrix} } [σx2σyσxσxσyσy2]
2.3.2 三维
[ σ x 2 σ y σ y σ x σ z σ y σ x σ y 2 σ y σ z σ x σ z σ y σ z σ z 2 ] { \begin{bmatrix} {\sigma_{x}}^2 & {\sigma_{y}{\sigma_{y}}} & {\sigma_{x}{\sigma_{z}}}\\ {\sigma_{y}}{\sigma{x}}& {\sigma_{y}^2} & {\sigma_{y}{\sigma_{z}}}\\ {\sigma_{x}{\sigma_{z}}}& {\sigma_{y}{\sigma_{z}}} & {\sigma_{z}^2} \\ \end{bmatrix} } ⎣⎡σx2σyσxσxσzσyσyσy2σyσzσxσzσyσzσz2⎦⎤