漫谈卡尔曼滤波及MATLAB实现

1.序幕

• 确定性的信号滤波可以直接用常用的滤波器就可以完成，如高通低通滤波器
• 而随机信号的滤波（也可以称为信号估计）需要采用一种特殊的滤波器，如维纳滤波器(WienerFiltering)，卡尔曼滤波器(KalmanFiltering)，可以想象这与常规的滤波器完成的工作仍是类似的
• 维纳滤波器处理的是平稳的随机信号，卡尔曼滤波器处理的是非平稳（或平稳）的随机信号
• 且前提是线性系统，而非线性的则需要改进的方法（暂不讨论）。
• 简单而言，卡尔曼滤波是在观测值与预测值之间取一个衡量，来作为一个最优的估计值

2.基础需求

如何缕清思路：当涉及到卡尔曼滤波的时候我们先想一下下面的问题

1. 为什么用卡尔曼滤波，使用的前提是什么，它可以解决什么类型的问题？
   1. 卡尔曼滤波使用条件：1、线性系统； 2、系统中噪声(不确定性)服从高斯分布
   2. 卡尔曼滤波解决的问题：有不确定因素的动态系统，有根据的预测状态
2. 怎么使用卡尔曼滤波器？

如果仅需要使用滤波器，那么知道下面的公式便足够了，讲实际问题缕清关系，明确输入输出，转换为程序就可以处理信号了（具体问题如何建模可以参考第四部分的实例）

part 1.系统状态和测量方程

方程类型	方程
系统的状态方程	$s_{k+1}={\Phi }_{k+1,k}\cdot s_k+{\Gamma }_k\cdot n_k$
系统的测量方程	$z_k=H_k\cdot s_k+w_k$

$s_{k+1}$--------状态矢量
${\Phi }_{k+1,k}$--------状态转移矩阵
${\Gamma }_k$--------扰动矩阵
$n_k$--------扰动矢量
$z_k$--------观测矢量
$H_k$--------测量矩阵
$w_k$--------测量噪声矢量

part 2.参数计算
$P_0=0$可视为约定初值
$E(n_k{n}_l^T)=Q_k{\delta }_{kl}$
$E(w_k{w}_l^T)=R_k{\delta }_{kl}$

part 3.卡尔曼滤波过程

步骤	公式
①一步预测	${\hat{s}}_{k/k-1}={\Phi }_{k,k-1}\cdot {\hat{s}}_{k-1/k-1}$
②预测误差的方差	P k / k