目录
1 什么是状态观测器?
卡尔曼(Kalman)滤波器是状态观测器的一种,与一般状态观测器一样是通过对系统输入输出信号来重新构造一个系统,并遵循线性最小方差估计(LMMSE)的准则,它是用于时变线性系统的递归滤波器。Kalman滤波器滤波过程主要包括预测和校正两个部分,首先它会去计算系统过去的测量估计误差,然后将这些误差整合到一个新的测量误差中去,并根据这个新的误差预测将来所要出现的误差。这个预测过程本质上就是重构所观测系统的状态向量。然后就是根据系统实际测量的数据与预测的结果进行比较,根据误差记性修正,就这样不断地进行预测,然后比较修正,再预测修正,并以此方式不断循环下去,即可实现消除由于某些原因而随机引入到系统的噪声干扰,保持系统的纯洁性。
扩展Kalman滤波(EKF)是在线性Kalman滤波原理的基础上改进得来的,其最大的特点就是可以直接对非线性系统进行处理,对一般的非线性系统以滤波值为中心对非线性函数进行泰勒级数展开,并省略掉二阶项以上的所有高阶项,这样做的目的是将原有复杂的非线性系统模型近似成一个线性函数模型,得到线性函数模型之后就可直接利用Kalman滤波进行处理了。这个泰勒级数展开的处理就避免了预先计算标称轨迹的步骤,而计算标称轨迹会增加滤波的处理时间和不稳定程度,这是EKF的优点所在。