出于科研需要,打算开始学习卡尔曼滤波(Kalmam Filter)。很早之前就听说过卡尔曼滤波,但一直没能深入学习,这次终于有机会了,哈哈。
1.卡尔曼滤波的发展过程
卡尔曼滤波的本质属于"估计"范畴.先介绍下估计,所谓“估计”问题,就是对受到随机干扰和随机测量误差作用的物理系统,按照某种性能指标为最优的原则,从具有随机误差的测量数据中提取信息,估计出系统的某些参数状态变量。最早的估计方法是大名鼎鼎的数学家高斯于1795年发明的最小二乘法(,)。最小二乘法计算简单,易于应用,但没有考虑被估参数和观察数据的统计特性,因次该方法不是最优估计。之后,1912年,英国统计学家费尔希提出最大似然法,从概率密度角度来考虑估计问题。对于随机过程的估计,1940年,控制论的创始人维纳根据火力控制系统上的需要提出一种在频域中设计统计最有滤波器的方法,该方法被称为Wiener滤波。同时期,苏联数学家柯尔莫戈洛夫提出并初次解决广义离散平稳随机序列的预测和外推问题。由于维纳滤波采用频域设计法,运算复杂,解析困难等问题,促使科学家寻求在时域直接设计最优滤波器的方法,于是,卡尔曼滤波应运而生!(发明人:匈牙利裔美国数学家鲁道夫·卡尔曼,1930—)
卡尔曼滤波是一种时域滤波方法,采用状态空间方法描述系统,算法采用递推形式,数据存储量少,不仅可以处理平稳随机过程,也可以处理多维和非平稳随机过程。由于卡尔曼滤波理论具有上述强大优点,它作为一种最重要的最优估计理论被广泛应用于各领域,如惯性制导、全球定位系统、目标跟踪系统、通信与信号处理、金融等等。
2.经典卡尔曼滤波器的原理简介
经典卡尔曼于1960年提出,此后数十年,不断衍生发展,本文讨论的是经典卡尔曼滤波。卡尔曼滤波器的推导过程设计大量繁琐的数学公式,就不在此推导。略去数学公式,把握其中的基本前提、基本假设和基本方程,我们同样能领略到卡尔曼的魅力。
(1)基本前提:卡尔曼滤波应用对象为模型精确和随机干扰信号统计特性已知的线性系统
(2)基本方程: