卡尔曼滤波的基本原理和算法

卡尔曼滤波的基本原理和算法

卡尔曼滤波的基本原理和算法


卡尔曼滤波是一种利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估计的算法 。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估计也可看作是滤波过程 。在线性系统的状态空间表示基础上,从输出和输入观测数据求系统状态的最优估计 。这里所说的系统状态,是总结系统所有过去的输入和扰动对系统的作用的最小参数的集合,知道了系统的状态就能够与未来的输入与系统的扰动一起确定系统的整个行为 。
每一个有外部变量的自回归移动平均系统或可用有理传递函数表示的系统都可以转换成用状态空间表示的系统
KalmanFilter卡尔曼滤波调参的实用方法和经验有哪些?【卡尔曼滤波的基本原理和算法】例如 [Gk,Kf,Pf]=kalman(G,T1,D1)G为Gauss扰动的状态方程模型(A,[B,Q],C,[D,D]),Q为系统的不确定性 。可以看出该模型是双输入的 。T1是系统不确定性协方差 。D1是输出信号的测量噪声协方差 。要求噪声信号为白噪声 。

    推荐阅读