卡尔曼滤波是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法。由于观测数据中包含系统中的噪声和干扰的影响,所以最优估计也可看作是滤波过程。
卡尔曼用矩参数表示置信度:在时间,置信度用均值
和方差
表达。除了贝叶斯滤波的马尔可夫假设之外,还具有其他的三个特征,则后验就是高斯的。马尔可夫假设设定过去和未来数据都是独立的,即当前时刻的状态至于上一时刻有关。
1)状态转移概率必须是带有随机高斯噪声的参数的线性函数:
(1)
式1定义了状态转移概率。这个概率可由式1带入到多元正态分布。后验状态的均值由
给定,方差由
给定:
(2)
2)测量概率也与带有高斯噪声的自变量呈线性关系:
(3)
同样的测量概率的多元正态分布给定为:
(4)
3)初始置信度必须是正态分布的。用
和
表示置信度的均值和方差:
(5)
卡尔曼滤波算法:KF表示均值为、方差为
在时间t的置信度
。KF的输入是
时刻的置信度,其均值
和方差
,为了更新这些参数,KF需要控制向量
和测量向量
。