|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
动态线性系统的卡尔曼滤波! |4 L; I" `5 _
7 Z0 e0 s# n1 A; p6 y/ u
■估计问题都是由三个部分构成:
$ f* P8 D: ]0 x9 k; A% K: n/ O1、函数模型(估计约束条件)' Y }3 |: @; P$ L9 X, s
2、随机模型(估计验前信息)
p3 L7 F3 S% _) w" Q: G8 `0 b3 b3、估计准则。
1 X6 M# [ G- t/ A- l+ N- r5 D' |5 T
3 R$ z6 i @7 c/ f■工程实践中的估计问题有两类:
5 r" S% f$ J0 V( H0 ]0 {1、系统的参数部分或全部未知-----有 待确定;5 q' J* u) R8 k8 @( |# S
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。
3 y" z- S9 v& f: g0 B9 j) d& m这样就:包含了两类估计问题:参数估计
3 {: |$ c4 T4 d1 _ b6 x; N7 E 状态估计。( J7 t; \# U l2 g7 ~
; E. q% K1 A* L3 L) Y% w◆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。" M- r1 N" ]" t+ b4 N6 [% g
1 ^2 ^ v1 Z! r, z( J* m
& U5 m+ v- J1 K% V+ |
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。5 M, c/ [ _4 s8 X: k
口但是,在许多实际的问题中,如:
! b$ x' Q+ k7 ~: h, i. h2 AV应用计算技术进行适时控制的需要;
' B& j- _# ]- M. n* w3 hV大坝的变形监测、GPS导航等等8 y6 ^5 w5 M$ t
+ l2 N8 i* N* a' `/ M3 K■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。
4 `- i# z5 X, ?
; f" \& S9 }6 D7 t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& m m8 \, v# W
# V4 h7 b9 s; i& t. _& z$ ?2 {. M6 S1 `
- 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。/ ?. ], E2 m7 I! X
# y, y6 n# Y4 P% [6 S
) ~# e$ y" Y" e4 N8 j, R+ h9 d W: I- @* O6 |9 }
2 s2 h- l% B5 J6 j- a/ O+ t& r
( b! V5 f2 P& f. _) e$ d- ?3 [ X) J1 H3 |
( l' z0 u P& j6 {
. A6 b& ]; x, c# _
|. X! t) c$ ~# v
|
|