logo资料库

kalman滤波算法(含详细推导).ppt

第1页 / 共24页
第2页 / 共24页
第3页 / 共24页
第4页 / 共24页
第5页 / 共24页
第6页 / 共24页
第7页 / 共24页
第8页 / 共24页
资料共24页,剩余部分请下载后查看
卡尔曼滤波算法及 推导
1、kalman滤波问题 ß 考虑一离散时间的动态系统,它由描述状态向量的过程方程 和描述观测向量的观测方程共同表示。 (1)、过程方程 ( nx ) 1  ( nF  ),1 )( nxn  )( nv 1 .......( )1 式中,M 1向量x(n)表示系统在离散时间n的状态向量,  它是不可观测的;M M矩阵F(n+1,n)成为状态转移矩阵, 描述动态系统在时间n的状态到n+1的状态之间的转移,应为 已知。而M 1向量 为过程噪声向量,它描述 状态转移中间的加性噪声或误差。  )(nv1 
1、kalman滤波问题 (1)、观测方程 )( )( nxnCny )(   )( nv 2 .........( )2 式中,N 1向量y(n)表示动态系统在时间n的观测向   量; N M矩阵C(n)称为观测矩阵(描述状态经过 其作用,变成可预测的),要求也是已知的;v2(n)表示观 测噪声向量,其维数与观测向量的相同。过程方程也称为 状态方程,为了分析的方便,通常假定过程噪声v1(n)和观 测噪声v2(n)均为零均值的白噪声过程,它们的相关矩阵分 别为:
1、kalman滤波问题 H k )({ )}( vnvE 1 1  )({ vnvE 2 H k )}( 2    ), ( knnQ  1 ,0 kn  ( ), knnQ  2 ,0 kn  ......( )3 ......( )4
1、kalman滤波问题 ß 还假设状态的初始值x(0)与v1(n) 、  v2(n),n 0均不相关,并且噪声向量 v1(n)与v2(n)也不相关,既有: )({ vnvE 1 H 2 )}( k  ,0 , kn ......( )5
2、新息过程 ß 考虑一步预测问题,给定观测值y(1), ...,y(n-1),求观测向量 y(n)的最小二乘估计,记作 def )(ˆ1 ynyny (ˆ 1(  ),..., ny (  ))1 (1)、新息过程的性质 y(n)的新息过程定义为:  )( 1 nynyn )( (ˆ  )......... )6.(  )(n 式中,N 1向量 表示观测数据y(n)的新的信息,简称新 息。
2、新息过程 )(n ß 新息 具有以下性质: 性质1 n时刻的新息 与所有过去的观测数据 )(n y(1), ...,y(n-1)正交,即: H )({ E yn )}( k 1,0   n k 1 .......( )7 性质2 新息过程由彼此正交的随机向量序列{ } 组 成,即有 H )({ E n )}( k  1,0  n k 1 )(n .......... )8(
2、新息过程 性质3 表示观测数据的随机向量序列{y(1) ,…y(n)}与表 示新息过程的随机向量序列{a(1),…a(n)} 一一对应 ,即 1({ y ),... )}( ny (  1({ ),... n )}........ )9..( 以上性质表明:n时刻的新息a(n)是一个与n上课之前的观测数 据y(1), ...,y(n-1)不相关,并具有白噪声性质的随机过程,但它却 能够提供有关y(n)的新息,这就上信息的内在物理含义。
分享到:
收藏