卡尔曼滤波原理及应用（一）

最新推荐文章于 2024-03-21 14:25:47 发布

子云的博客

最新推荐文章于 2024-03-21 14:25:47 发布

阅读量3.5w

点赞数 33

分类专栏：信息处理与分析

本文链接：https://blog.csdn.net/weixin_42683131/article/details/84700763

版权

本文介绍了卡尔曼滤波的发展过程、基本原理和算法设计，并通过一个温度测量的例子展示了卡尔曼滤波的应用。卡尔曼滤波是一种时域滤波方法，适用于处理随机过程，尤其在系统模型精确且噪声特性已知的情况下表现优越。

摘要由CSDN通过智能技术生成

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( $k=\frac{n\sum x_{i}y_{i}-\sum x_{i}\sum y_{i}}{n\sum x_{i}^{2}-(\sum x_{i})^{2}}$ , $\dpi{80} b=\frac{\sum x_{i}^{2}\sum y_{i}-\sum x_{i}\sum x_{i}y_{i}}{n\sum x_{i}^{2}-(\sum x_{i})^{2}}$ )。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—）