滤波器模型的建立

 滤波器模型的建立
卡尔曼滤波器包括两个主要过程：预估与校正。预估过程
主要是利用时间更新方程建立对当前状态的先验估计，及时向
前推算当前状态变量和误差协方差估计的值，以便为下一个时
间状态构造先验估计值；校正过程负责反馈，利用测量更新方
程在预估过程的先验估计值及当前测量变量的基础上建立起
对当前状态的改进的后验估计。这样的一个过程，我们称之为
预估－校正过程，对应的这种估计算法称为预估－校正算法。以
下给出离散卡尔曼滤波的时间更新方程和状态更新方程。
时间更新方程：
X赞
k
－＝AX赞 k-1＋BU赞 k-1 （11）
Pk
－＝APk-1AT＋Q （12）
状态更新方程：
Kk＝Pk
－HT（HPk
－HT＋R）－2 （13）
X赞
k＝X赞 k
－＋Kk（Zk－HX赞 k
－） （14）
Pk＝（I－KkH）Pk
－ （15）
在上面式中，各量说明如下：
A：作用在Xk-1
上的n×n 状态变换矩阵
B：作用在控制向量Uk-1
上的n×1 输入控制矩阵
H：m×n 观测模型矩阵， 它把真实状态空间映射成观测空
间Pk
－：为n×n 先验估计误差协方差矩阵Pk：为n×n 后验估计误
差协方差矩阵Q：n×n 过程噪声协方差矩阵R：m×m 过程噪声
协方差矩阵I：n×n 阶单位矩阵Kk：n×m 阶矩阵， 称为卡尔曼增
益或混合因数，作用是使后验估计误差协方差最小前面描述的
卡尔曼滤波器估计一个用线性随机差分方程描述的随机过程
的状态变量Xk∈Rn