贝叶斯滤波与卡尔曼滤波的区别_第1页
贝叶斯滤波与卡尔曼滤波的区别_第2页
贝叶斯滤波与卡尔曼滤波的区别_第3页
贝叶斯滤波与卡尔曼滤波的区别_第4页
贝叶斯滤波与卡尔曼滤波的区别_第5页
已阅读5页，还剩1页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

课程：现代信号处理专业：信号与信息处理贝叶斯与卡尔曼滤波的区别贝叶斯原理的实质是希望用所有已知信息来构造系统状态变量的后验概率密度，即用系统模型预测状态的先验概率密度，再用最新的观测数据进行修正，得到后验概率密度。通过观测数据来计算状态变量取不同值的置信度，由此获得状态的最优估计。系统模型p（吨mu图3.1贝叶斯递归估计算法框图卡尔曼滤波是贝叶斯滤波的一种特例，是在线性滤波的前提下，以最小均方误差为最佳准则的。采用最小均方误差准则作为最佳滤波准则的原因在于这种准则下的理论分析比较简单，因而可以得到解析结果。贝叶斯估计和最大似然估计都要求对观测值作概率描述，线性最小均方误差估计却放松了要求，不再涉及所用的概率假设，而只保留对前两阶矩的要求。系统模型p（吨mu扩展卡尔曼滤波和无迹卡尔曼滤波都是递推滤波算法，它们的基本思想都是通过采用参数化的解析形式对系统的非线性进行近似，而且都是基于高斯假设。EKF其基本思想是围绕状态估值对非线性模型进行一阶Taylor展开，然后应用线性系统Kalman滤波公式。主要缺陷有两点：（1）必须满足小扰动假设，即假设非线性方程的理论解与实际解之差为小量。也就是说EKF只适合非线性系统，对于强非线性系统，该假设不成立，此时EKF性能极不稳定，甚至发散；（2）必须计算Jacobian矩阵及其幕。UKF是基于UT变换，采用一种确定性抽样方法来计算均值和协方差。相对于EKF的一阶精确，UKF的估计精确度提高到了对高斯数据的三阶精确和对任何非线性的非高斯数据的二阶精确，可出来非加性噪声情况以及离散系统，扩展了应用范围，而且UKF对滤波参数不敏感，鲁棒性强，对复杂的非线性系统，UKF比EKF具有更大的优越性。如何使卡尔曼滤波后的状态估计误差的相关矩阵的迹最小？Kalman滤波器是一个最小均方误差估计器，先验状态误差估计可表示为知-一斗将我们最小E[-ArirP]R..化这个矢量幅度平方的期望值咧，这等价于最小化后验估计协方差矩阵尊的迹，通过展开合并乌*?公式，可得薄二：必1-菖点点g-成妥【+醛（丑勇站占：+RQ"穿¥-饥反对+卒尽*即=-2（为耳□）「+2K点金=。当矩阵导数为0时，矩阵的迹取最小值，'队从这个式子解出Kalman增益童■UKF与UKF图范香华程序:%系统随机噪声%测量随机噪声%测量噪声协方差%系统噪声协方差%状态初始值%状态协方差初始值%由上一状态的最优化结果预测的当前状态值%测量值%卡尔曼增益%当前状态的最优化结果%更新%当前状态的最优化结果的方差clearN=200;w=randn(1,N);V=randn(1,N);q1=std(V);Rvv=q1.“2;q2=std(w);Rww=q2.“2;x(1)=20;P=2;a=1;fork=2:N;x(k)=a*x(k-1)+w(k);Z(k)=x(k)+V(k);p(k)=P+Rww;K=p(k)/(p(k)+Rvv);%系统随机噪声%测量随机噪声%测量噪声协方差%系统噪声协方差%状态初始值%

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论