现代信号处理—卡尔曼滤波(The Kalman filtering)
讲授人:李红倩
n 班级:2015级通信、信号
n 日期:2016-04-14
n 实验室:飞云楼303室
卡尔曼滤波算法
2.5.1 卡尔曼滤波研究背景
2.5.2 卡尔曼滤波信号模型
2.5.3 卡尔曼滤波方法
2.5.4 卡尔曼滤波的应用
2.5.5 总 结
2.5.1 卡尔曼滤波研究背景
卡尔曼滤波算法的研究背景
2.5.1 卡尔曼滤波研究背景
卡尔曼滤波算法是卡尔曼等人在20世纪60年代提出的一
种递推算法。它的实质是以最小均方误差为估计的最佳准则,
来寻求一套递推估计的算法。其基本的思想是:采用信号与
噪声的状态空间模型,利用前一时刻地估计值和现时刻的观
测值来更新对状态变量的估计,求出现时刻的估计值。它的
广泛应用已经超过30年,包括机器人导航,控制,传感器数
据融合甚至军事方面的雷达系统以及导弹追踪等等。近年来
更被应用于计算机图像处理,例如头脸识别,图像分割,图
像边缘检测等等。
卡尔曼
2.5.2 卡尔曼滤波信号模型
卡尔曼滤波信号模型
2.5.2 信号模型
2.5.2.1 状态方程和量测方程
• 维纳滤波的模型:信号 可以认为是由
)(ns
)(1 nw
白噪声 激励一个线性系统 的响应,
假设响应和激励的时域关系可以用下式表
示:
)(zA
)(
ns
(
nw
1
上式也就是一阶AR模型。
)1
(
nas
)1
(2-5-1)
卡尔曼滤波信号模型
)(ns
• 在卡尔曼滤波中信号 被称为是状态变量,用矢量
(k)w1
的形式表示为 ,激励信号 也用矢量表为 ,
激励和响应之间的关系用传递矩阵 来表示,得出状
态方程:
)(1 nw
A(k)
S(k)
1
S(k)
A(k)S(k
(kw1)
上式表示的含义就是在k时刻的状态 可以由它的
前一个时刻的状态 来求得,即认为k-1时刻以
前的各状态都已记忆在状态 中了 。
(2-5-2)
S(k
S(k)
S(k
1)
1)
1)
卡尔曼滤波信号模型
卡尔曼滤波是根据系统的量测数据(即观测数据)对
系统的运动进行估计的,所以除了状态方程之外,还
需要量测方程。
在卡尔曼滤波中,用表示量测到的信号矢量序列,表
示量测时引入的误差矢量,则量测矢量与状态矢量之
间的关系可以写成
X(k)
w(k)
(2-5-3)
S(k)