动态线性系统的卡尔曼滤波

mytomorrow

动态线性系统的卡尔曼滤波
! r$ R4 M0 R1 y- f/ w
■估计问题都是由三个部分构成:
8 j% M: n! ^: J$ A" t" ?' c1、函数模型(估计约束条件)
2、随机模型(估计验前信息)
3、估计准则。

- K% B% k7 l5 S$ J7 f' r■工程实践中的估计问题有两类:
. _& Y0 j; u  ^4 w5 G2 G1、系统的参数部分或全部未知-----有 待确定;
2、实施最优控制时，需要了解系统的状态，而系统中部分或全部状态变量不能直接测得。
4 o! g6 z. P1 y, M. j' l这样就:包含了两类估计问题：参数估计
" N& D3 F  X  u# g# Z                                               状态估计。

  ^7 W5 g" x7 o4 m0 C1 g◆不同估计准则会导致不同的估计方法;同样不同的观测信息，也会导致不同的估计方法。
: b) w( q4 i1 z# f2 L5 M4 O

口前面讨论的各种最小二乘分解法，都是针对静态函数模型的。即通过观测向量L所估计的参数向量是不依赖于时间t的。
/ V3 ?% V0 o$ d) v7 P口但是，在许多实际的问题中，如:
8 E( P" ?- l5 z7 J$ a3 F3 N* [. JV应用计算技术进行适时控制的需要;
! _$ {6 X% }: [4 a& T% j- @V大坝的变形监测、GPS导航等等

■以上被估计参数都是随着时间的变化而不断变化的，必需在观测过程中不断的对系统的状态进行估计，并且随着新观测值的获得不断修正这种估计。
% U  `% t9 p" {  Q
. H9 r2 C6 i" ?# u卡尔曼滤波理论便是适应适时控制的需要，对系统的状态参数进行线性估计的一种递推算法。

• Kalman滤波是卡尔曼(kalman)于1960年提出的一种滤波方法。
• 特点:是对状态空间进行估计。状态空间估计一般是动态估计。
• 估计过程利用:系统状态方程、观测方程、系统过程噪声以及观测噪声的统计特性构成滤波算法。
• Kalman采用递推算法。
  

( d% P* t6 [0 L9 ~7 Q5 w
3 g. `2 V" k+ A

游客，如果您要查看本帖隐藏内容请回复

7 K/ U% k8 `$ h2 `' `: I
5 N: {( D) K9 r3 D2 E6 o

1 D. `  }7 Z) b! N" b" ]' f% C

CCxiaom

学习了一下：动态线性系统的卡尔曼滤波

yin123

动态线性系统的卡尔曼滤波