控制科学与工程专业的课程论文
(kk 1)x (kk 1)P(kk 1) Ex
(k 1) v(k 1)][Fx (k 1) v(k 1)] E[FxT (11)
经展开整理可得: P(kk 1) FP(k 1)FT V
设x(k)的最小方差估计具有如下的形式: (k) x (kk 1) K(k)[y(k) y (kk 1)]x(12)
(kk 1) K(k)[y(k) Cx (xk 1)] x(13) 其中K(k)称为状态估计器或Ka1man滤波增益矩阵。该估计器方程具有明显
(kk 1)是x(k)的一步最优预报估计,的物理意义,式中第一项x它是根据直到k-1
时刻的所有量测量的信息而得到x(k)的相关的最优估计。式中第二项是修正项,
(kk 1)它根据最新的量测量信息y(k)来对最优预报估计进行修正。在第二项中y
(kk 1) y(k) y (kk 1) y(k) Cx (xk 1)是关是关于y(k)的一步预报估计,y
于y(k)的一步预报估计误差,也称新息(Innovation)。所以(13)式可以看作是一步最优预报和新息的加权平均。问题随之变成如何合适地选择K(k)。为获得x(k)的最小状态估计,令状态估计误差的协方差:
(k)x T(k) E[x(k) x (k)][x(k) x (k)]T P(k) Ex(14) 最小。现在的问题变为:寻求K(k)使P(k)极小。可以证明,使P(k)极小等价于使如下的标量函数:
T(k)x (k) J Ex(15) 极小,其中J表示x(k)的各个分量的方差之和,因而它是标量。下面即按此准则来寻求K(k)。根据式(1)和(13),可以求得x(k)的状态估计误差为: (k) x(k) x (k)x
(kk 1) K(k)E[Cx(k) w(k) Cx (kk 1)] x(k) x
(kk 1) K(k)w(k) [I K(k)C]x (16) 进一步求得协方差阵: (k)x T(k)P(k) Ex
(kk 1) K(k)w(k)} E{[I K(k)C]x
(kk 1) K(k)w(k)}T{[I K(k)C]x
[I K(k)C]P(kk 1)[I K(k)C]T K(k)WK(k)T (17) 可利用摄动法来寻找最优的K(k),即给K(k)一个增量ΔK(k),从而P(k)也变为P(k)+ ΔP(k),根据上式忽略高次项,可以求得:
(3)
6基于Kalman滤波器的状态估计_信息与通信_工程科技_专业资料。华东理工大学 ECUST...华东理工大学 ECUST 卡尔曼提出的递推最优估计理论,采用状态 空间描述法,在算法...
第三章 状态估计 Kalman 滤波方法 估计的基本理论所谓估计 就是根据量测的一组...的估计算法 如果待估量 x 表示参数 就有各种各样的辨识方法 例如 采用似 然...
自适应Kalman滤波可以实时估计系统噪声和观测噪声,可有效提高系统的抗干扰能力。目前 较常见的算法有Sage-Husa自适应滤波算法、神经网络自适应滤波算法和模糊自适应滤波...
如何去寻求滤除这种噪声 干扰,便成为最佳系统状态估计首先必须解决的问题。 Kalman 滤波等一些滤波算法便因此应运而生,其作为一种最优估计 理论与方法,由于它的实时...
...( 17 ) H 表示(一步)预测状态误差的相关矩阵 3、kalman滤波算法 ? 由上一节的的新息过程的相关知识和信息后,即可转入 kalman滤波算法的核心问题的讨论:...
.Kalman滤波 器是一个对动态系统的状态序列进行线性最小 方差估计的算法,采用递归滤波的方法,可以任 意一点作为观测起点.〔收稿日期〕2009—06—13 〔基金项目〕...
上面的 Kg, 就是卡尔曼增益 (Kalman Gain)[2]。 滤波器特性和优点 2.1.2...卡尔曼滤波采用实用的递推算法, 成功地将状态变量法引入到滤波理论中来, 不...
卡尔曼滤波算法及 卡尔曼滤波算法及 C 语言实现 算法摘要:本文着重讨论了卡尔曼滤波器的原理,典型算法以及应用领域。清晰地阐述了 摘要: kalman filter 在信息估计...
oKF算法中的滤波 估计值H.2_.一.是(或概率意义下)系统真实状态H.工t的最优估计.把上述目标函数应用于多模型卡尔曼滤波 算法(multiple model adaptive Kalman ...
热门文档