线性系统估计————卡尔曼滤波

前提:线性时变系统(F、G、H不变);

          v(k)是具有协方差矩阵Q(k)的零均值,白色高斯过程噪声,w(k)是具有协方差矩阵R(k)的零均值,白色高斯过程噪声;

          初始状态x(0)是高斯的,具有均值\hat{x}(0|0)和协方差P(0|0);

          且已知量测值Z^{k}

动态(系统)方程

x(k+1)=F(k)x(k)+G(k)u(k)+v(k)

量测(观测)方程

z(k)=H(k)x(k)+w(k)

卡尔曼滤波算法

状态一步预测:\hat{x}(k+1|k)=F(k)\hat{x}(k|k)+G(k)u(k)

 一步预测斜方差:P(k+1|k)=F(k)P(k|k)F'(k)+Q

              预测的量测值:\hat{z}(k+1|k)=H(k+1)\hat{x}(k+1|k)

量测的预测协方差:S(k+1)=H(k+1)P(k+1|k)H'(k+1)+R(k+1)

滤波增益:W(k+1)=P(k+1|k)H'(k+1)S^{-1}(k+1)

               量测残差:v(k+1)=z(k+1)-H(k+1)\hat{x}(k+1|k)

估计值\hat{x}(k+1|k+1)=\hat{x}(k+1|k)+W(k+1)v(k+1)

状态协方差P(k+1|k+1)=P(k+1|k)-W(k+1)S(k+1)W'(k+1)

                      P(k+1|k+1)=[I-W(k+1)H(k+1)]P(k+1|k)

P(k+1|k+1) =[I-W(k+1)H(k+1)]P(k+1|k)[I-W(k+1)H(k+1)]'+W(k+1)R(k+1)W'(k+1)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值