卡尔曼滤波04_1（遗忘滤波）

1遗忘滤波（渐消记忆滤波）

遗忘滤波的功能是通过减小修改系统噪声和观测噪声的权重来减少历史信息的权重，相对提高新信息的权重，遗忘滤波的状态空间模型可以表示为：

s为遗忘因子，s的取值越大遗忘速度就越大。k代表历元数，k=0,1,2,3…，k的取值越小说明历元就越靠前，噪声的放大指数就越大，以前的观测值就越不可靠。将新的噪声模型带入卡尔曼滤波公式可得：

对于上面第二三五个方程通过分别左乘一个系数可以得到：

由此这三个式子可以转换为：


综上可得遗忘滤波公式

更直观的去理解这个公式：
在s>1时，显然：

其一步预测值的方差变大，对于新的增益矩阵K，其计算时相当于分子分母都变大相同值，其值也在变大，即

从而有状态估计：

等式的前半部分预测值的系数变小，预测的权值变小，后边部分本历元观测值的权值变大，因此可以实现对过去观测的遗忘。