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
2 @; v4 U& s3 e8 ~# I1 T
# w+ ]) l# S! g+ h1 I! H0 V■估计问题都是由三个部分构成:
" U9 B0 E/ z" U0 @1、函数模型(估计约束条件)
1 R5 u% o' m$ J, G, X& q& A, f0 ]" J2、随机模型(估计验前信息)
! ~" t( }( R  Q& Y2 f* p. {3、估计准则。
/ ^2 N$ g  F2 F6 Q" p
+ _9 ^9 L& C8 u* d2 ]  k7 w7 }■工程实践中的估计问题有两类:
- c: `# A! I. S% B1、系统的参数部分或全部未知-----有 待确定;
/ p' h3 G6 W$ L& H; H2、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。
这样就:包含了两类估计问题：参数估计
                                               状态估计。
8 q4 @+ v. f. ~( `
◆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。
7 a7 e6 O' G1 N7 \5 F& a. `0 O
' m; c, q4 D, N  x) H' |
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。
) g; h4 ^2 G. ^) d) o口但是，在许多实际的问题中，如:
V应用计算技术进行适时控制的需要;
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。
& s2 ?4 S2 t" {9 }6 }
4 d8 A* E6 `5 r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。
$ B' \& Q' k! r
1 A& \# B* y5 x% c. C( H
' }7 _) u/ K/ Q+ A& M5 g7 g. G

• 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。
  9 H, P% F4 U. F- L! ?# y" U

, I" `; W" B$ Z. K+ K! f6 n& c

游客，如果您要查看本帖隐藏内容请回复

' X- _  Y5 e/ p9 ^

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