带有未知过程噪声协方差阵递推估计的卡尔曼滤波方法
【专利摘要】本发明提供了针对离散时间时不变系统的一种基于递推协方差矩阵估计方法的卡尔曼滤波方法,目的是要解决一类离散时间线性时不变系统中观测噪声协方差矩阵完全未知的情况下的系统状态滤波估计问题。步骤一、利用观测序列{yk}构建新统计序列{ξk};步骤二、计算{ξk}的协方差矩阵递推公式:步骤三、利用观测噪声协方差矩阵与新统计序列协方差矩阵实时估计值Covk(ξ)之间的代数关系,计算过程噪声协方差矩阵估计序列;步骤四、通过f(Q)和过程噪声协方差矩阵Q的关系,计算出协方差矩阵的估计序列步骤五、将过程噪声的协方差矩阵估计序列替代真值代入标准卡尔曼滤波方法中,计算系统实时的状态估计以及状态估计偏差的协方差矩阵。
【专利说明】带有未知过程噪声协方差阵递推估计的卡尔曼滤波方法
【技术领域】
[0001]本发明属于离散时间自适应滤波领域,具体涉及一种带有未知过程噪声协方差阵递推估计的卡尔曼滤波方法。
【背景技术】
[0002]卡尔曼滤波方法是一种时域状态估计方法,由于其采用了状态空间的描述方法,且其递推形式易于计算机实现,基于状态空间的状态估计可以应用到现代控制理论中的先进性控制方法,获得良好的系统性能。针对线性状态空间模型描述的系统,通过标准的卡尔曼滤波方法可以从存在观测噪声的观测序列中获取系统内部状态的估计,提高系统控制性能,更好的完成系统的控制目标。在系统方程和量测方程已知的情况下,对信号进行估计,估计过程利用了如下信息:系统方程、量测方程、白噪声激励的统计特性、量测误差的统计特性。
[0003]假设线性系统的系统参数和噪声的统计特性符合要求时,标准卡尔曼滤波方法在最小方差和最大似然意义下是一种最优状态估计方法。标准卡尔曼滤波方法是针对线性系统,并且要求其系统噪声和观测