卡尔曼滤波及Matlab实现

卡尔曼滤波及Matlab实现

一、什么是卡尔曼滤波

 滤波是从信号中提取有用信息的过程，比如从电信号中提取有用的频谱分量，从观测到的物体轨迹中提取位置信息，滤除图像信号中的噪声等。卡尔曼滤波是一种有效的滤波方法。如果已知一个系统的状态方程，又可以通过外部手段对系统进行观测，得到量测方程，就可以应用卡尔曼滤波估计系统的状态。

1.1卡尔曼滤波的目标和使用条件

 卡尔曼滤波是一种线性最小方差估计，目的是使估计的均方误差最小，即：
$$E\{[X-\hat{X}(Z)][X-\hat{X}(Z){]}^T\}$$

最小。$\hat{X}(Z)$为用Z计算而得的X的最小方差估计值，且$\hat{X}(Z)$为量测向量Z的线性函数，即：
$$\hat{X}=AZ+b$$
$\tilde{X}=X-\hat{X}$为估计误差，又称残差。
这里估计的$X$是一个观测值，也就是实际情况中得到的数据，在组合导航中就是物体真实的运动参数。
线性最小方差估计 $\hat{X}$具有以下性质：
无偏性，即 E { X ^ } = E { X } E\{\hat{X}\}=E\{X\} E{ X^}=E{ X}。
正交性，即$E\{[(X-\hat{X})Z^T]\}=0$。
E { X ~ ⋅ X ~ T } E\{\tilde{X} \cdot\tilde{X}^T\} E{ X~⋅X~T</