卡尔曼滤波简介

最佳线性滤波理论起源于40年代美国科学家wiener和前苏联科学家kолмогоров等人的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去的数据,不适用于实时处理。为了克服这一缺点,60年代kalman把状态空间模型引入滤波理论,并导出了一套递推估计算法,后人称之为卡尔曼滤波理论。卡尔曼滤波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。它适合于实时处理和计算机运算。
现设线性时变系统的离散状态防城和观测方程为:
x(k) = f(k,k-1)·x(k-1)+t(k,k-1)·u(k-1)
y(k) = h(k)·x(k)+n(k)
其中
x(k)和y(k)分别是k时刻的状态矢量和观测矢量
f(k,k-1)为状态转移矩阵
u(k)为k时刻动态噪声
t(k,k-1)为系统控制矩阵
h(k)为k时刻观测矩阵
n(k)为k时刻观测噪声
则卡尔曼滤波的算法流程为:
预估计x(k)^= f(k,k-1)·x(k-1)
计算预估计协方差矩阵
c(k)^=f(k,k-1)×c(k)×f(k,k-1)'+t(k,k-1)×q(k)×t(k,k-1)'
q(k) = u(k)×u(k)'
计算卡尔曼增益矩阵
k(k) = c(k)^×h(k)'×[h(k)×c(k)^×h(k)'+r(k)]^(-1)
r(k) = n(k)×n(k)'
更新估计
x(k)~=x(k)^+k(k)×[y(k)-h(k)×x(k)^]
计算更新后估计协防差矩阵
c(k)~ = [i-k(k)×h(k)]×c(k)^×[i-k(k)×h(k)]'+k(k)×r(k)×k(k)'
x(k+1) = x(k)~
c(k+1) = c(k)~
重复以上步骤
HK32MCU应用笔记(十七)| HK32F103xC/D/E-flash擦写应用及注意事项
现代汽车将在2024年开始为苹果生产汽车
200KV直流高压发生器技术详情
脑机接口真的能否实现?
2021年半导体行业的涨价浪潮不可避免
卡尔曼滤波简介
通过仿真加速基于服务器的系统架构合规性测试
CS5261Type-c转HDMI替代AG9310方案
信步科技SV1-38516P规格
美逼出华为鸿蒙系统 任正非央视专访称打持久战
二氧化硫测定仪的应用、功能及参数
ST推出STA321MP系列音频IC产品,可直接连接最新的微型麦克风
长城哈弗m6什么时候上市?哈弗m6悬浮式车顶设计,售价预计在8-12万元左右
浅谈从机械感转换到电气感的线控技术
信号完整性的定义、干扰因素及解决方法详解
交越失真及产生原因和改善方法
建议初学者在布线PCB时逐一遵循的22个原则
2.5W D类音频放大器AAT5101的功能特点及应用范围
中国电信发布三大创新产品方案,推动5G时代发展
真菌毒素检测仪的详细介绍