卡尔曼滤波器研究文献综述
卡尔曼滤波器研究+文献综述
摘 要:20世纪60年代初,卡尔曼在他的论文中提出了卡尔曼滤波器,它是以递归的方式处理离散数据线性滤波问题。随着日新月异的计算机技术,卡尔曼滤波器被人们广泛地研究并应用于故障诊断、自动化、传感器数据处理、雷达系统以及导弹跟踪等领域。卡尔曼滤波器是在平方误差的均值达到最小的情况下,来用一组方程以递归的方法来对过程状态进行估计。它不仅能在系统具有确定性质时对该系统过去、现在,甚至将来的状态予以估计,在系统的性质我们不能确定时也能这样做。这篇论文将对卡尔曼滤波器的发展历程、原理予以介绍,并结合实例予以分析说明。11163
关键词:卡尔曼;滤波器;平方误差;估计
Research of Kalman Filter
Abstract: The early 1960s, Kalman proposed Kalman filter in his paper, which is based on a recursive manner discrete data linear filtering problem. With the ever-changing computer technology, the Kalman filter is widely studied and applied to fault diagnosis, automation, sensor data processing, radar and missile tracking systems and other fields. Kalman filter is the mean square error reaches a minimum case, to a set of recursive equations of the method to estimate the state of the process. It not only can the system determine the nature of the system has a past, present, and even future state to be estimated, when we can not determine the nature of the system is also able to do so. This paper will be the development process of the Kalman filter, the principle to be introduced and explained with examples to be analyzed.
Key Words: Kalman filters; Squared error; Estimates
目录
摘要1
引言1
1.卡尔曼滤波器的发展历程及研究现状1
第二次世界大战中,为了解决防空火力控制和雷达噪声滤波等问题,美国数学家维纳综合运用了他以前几方面的工作,提出了经典的维纳滤波理论[2]。这种最佳滤波器是一种以最小平方为最优准则的线性滤波器。如果它能满足维纳-霍夫方程,就可以使维纳滤波器达到最佳,并且最佳维纳滤波器的冲击响应,完全由输入自相关函数以及输入与期望输出的互相关函数所决定。苏联数学家柯尔莫哥洛夫在同一时期发展了平稳随机过程理论,在科学和技术上有广泛的应用。但是他们两人的滤波方法都是频域法,并只能处理平稳随机过程,不具实时性,并且需要存储大量数据,造成在实际应用中的不便[3]。
20世纪60年代初,随着人们对外太空的探索以及电子计算机技术的快速发展,需要处理时变系统、非平稳随机过程,需要实时、快速计算的最优滤波器。卡尔曼滤波器在这种需求下,应运而生。它与维纳滤波器的不同在于,它利用前一时刻的运算结果,再根据现在消息的数据,得到当前时刻的估值[4]。它基于时域设计,使用信号与噪声的状态空间模型,并运用递归的算法,降低了滤波器的运算量和存储量,突破了经典维纳滤波器只能用于平稳随机过程的局限,从而能对时变信号进行实时处理。
1.2 卡尔曼滤波器的研究现状
2. 卡尔曼滤波原理
2.1 信号模型
卡尔曼滤波器的信号模型由状态方程和量测方程组成。我们先为离散时间系统定义它的状态方程
其中: 代表一组多维状态向量,它由状态变量组成。A、B都是矩阵,由系统的拓扑结构、元件性质确定。 是激励信号。
假设我们已经知道了初始状态 ,那么我们可以按照一定的规律重复运算得到现在的状态 :
在式(2)中,所有等式右侧的第一项与激励无关,只和初始状态还有系统结构相关,所以是零输入响应;等式右侧的第二项与初始状态不相关,而与系统结构还有激励相关,所以是零状态