第二章状态估计.docVIP

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第二章状态估计

第2章 状态估计 Kalman滤波概述 卡尔曼滤波器是Kalman在1960年提出的一种滤波算法,该方法采用用递归的方法解决离散数据线形滤波问题。根据其算法原理,人们相继提出了广义卡尔曼滤波算法和局域卡尔曼滤波算法,并应用到各类问题的解决中。 卡尔曼滤波器由一系列递归数学公式描述,用于估计离散事件过程的状态变量x∈Rn。这个离散事件过程可由离散随机差分方程描述: 其中,A是过k-1 时刻状态对k 时刻状态的增益矩阵,B为可选控制输入u∈Rl的增益矩阵。定义观测变量z∈Rm,得到测量方程: 其中,H 表示状态变量xk对测量变量zk的增益;wk和vk分别表示过程激励噪声和观测噪声。设它们相互独立,并呈正态分布: 定义表示x在已知第k步以前状态情况下对第k步的先验状态估计;定义为已知测量变量zk时第k步的后验状态估计。 因此定义先验估计误差和后验估计误差:和。先验估计误差的协方差为:;后验估计误差的协方差为: ,根据滤波器概率原型,卡尔曼滤波器的表达式为: 其中K为n×m阶矩阵,称为残余的增益或混合因数,其作用是使后验估计协方差最小。K的计算方法可以用另一种表示形式表示为: 整个卡尔曼滤波算法可由时间更新方程和状态更新方程共同表示,时间更新方程用于对未来状态进行预测,测量更新方程通过卡尔曼增益对观测变量进行误差协方差的更新。 时间更新方程为: 状态更新方程为:

文档评论(0)

f8r9t5c + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8000054077000003

1亿VIP精品文档

相关文档