Kalman滤波简介课件_第1页
Kalman滤波简介课件_第2页
Kalman滤波简介课件_第3页
Kalman滤波简介课件_第4页
Kalman滤波简介课件_第5页
已阅读5页,还剩33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

Kalman滤波简介2012.

041Kalman滤波简介本节课主要内容二、简单实例四、仿真实现一、背景与理论基础三、原理与公式介绍2023/11/12Kalman滤波简介RudolfEmilKalman匈牙利数学家BS&MSatMITPhDatColumbia1960年发表的论文《ANewApproachtoLinearFilteringandPredictionProblems》(线性滤波与预测问题的新方法)2023/11/13Kalman滤波简介SignalProcessing

滤波:从混合在一起的诸多信号中提取出所需要的信号。数字滤波:通过一种算法排除可能的随机干扰,提高检测精

度的一种手段。Kalman滤波器的作用:

1.在信号领域主要用于去除噪声

2.在控制领域主要用于状态估计和参数估计2023/11/14Kalman滤波简介Kalman滤波控制系统结构图

由于系统的状态x是不确定的,卡尔曼滤波器的任务就是在有随机干扰w和噪声v的情况下给出系统状态x的最优估算值,它在统计意义下最接近状态的真值x,从而实现最优控制u()的目的。2023/11/15Kalman滤波简介UseFor机器人导航、控制传感器数据融合雷达系统以及导弹追踪计算机图像处理头脸识别图像分割图像边缘检测2023/11/16Kalman滤波简介Kalman滤波的由来滤波估计经历的三个阶段:

1.最小二乘法:计算简单,适用于对常值向量或随机向

最的估计。但由于使用的最优指标是使量测估计的精度达到

最佳,估计中不必使用与被估计量有关的动态信息与统计信息、甚至连量测误差的统计信息也可不必使用,听以估计精度不高。

2.Wiener滤波:频域中的统计最优滤波器,但运算复杂,

存储空间大,应用范围有限。

3.Kalman滤波:时域滤波,采用状态空间描述系统,运用递推形式使计算简单,数据存储量小,应用广泛。2023/11/17Kalman滤波简介信号是传递和运载信息的时间或空间函数。

有一类信号的变化规律是既定的,如调幅广播中的载波信号、阶跃信号、脉宽固定的矩形脉冲信号等,它们都具有确定的频谱.这类信号称为确定性信号。

2023/11/18Kalman滤波简介另一类信号没有既定的变化规律,在相同的初始条件和环境条件下。信号的每次实现都天一样,如陀螺漂移、海浪、作水平飞行的飞机飞越山区时无线电高度表的输出信号、惯导系统的导航输出误差、GPS的SA误差等,它们没有确定的频谱,这类信号称为随机信号。2023/11/19Kalman滤波简介

由于确定性信号具有确定的频谱。所以可根据各信号频带的不

同,设置具有相应频率特性的滤波器。如低通、高通、带通、

带阻滤波器,使有用信号无衰减地通过,使干扰信号受到抑制

。这类滤波器可用物理方法实现,此即模拟滤波器,也可用

计算机通过算法实现。此即数字滤波器。对确定性信号的滤波

处理也称常规滤波。2023/11/110Kalman滤波简介

随机信号没有确定的频谱.无法用常规滤波提取或抑制信号.但随机信号具有确定的功率谱,所以可根据有用信号和干扰信号的功率谱设计滤波器。维纳滤波是解决此类问题的方法之一。但设计维纳滤波器须作功率谱分解,只有当被处理信号为平稳的,干扰信号和有用信号均为一维,且功率谱为有理分式时,维纳滤波器的传递函数才可用伯特一香农设计法较容易地求解出。否则设计维纳滤波器存在着诸多困难。维纳滤波除设计思想与常规滤波不同外.对信号作抑制和选通这一点是相似的。2023/11/111Kalman滤波简介卡尔曼滤波从与被提取信号有关的量测量中通过算法估计出所需信号。其中被估计信号是由白噪声激励引起的随机响应,激励源与响应之问的传递结构(系统方程)已知.量测量与被估计量之间的函数关系(量测方程)也已知。估计过程中利用了如下信息:系统方程、量测方程、白噪声激励的统计特性、量测误差的统计特性。由于所用信息都是时域内的量。所以卡尔曼滤波器是在时域内设计的,且适用于多维情况.这就完全避免了维纳滤波器在频域内设计遇到的限制和障碍,适

用范围远比维纳滤波器广。2023/11/112Kalman滤波简介与最小二乘、维纳滤波等诸多估汁算法相比,卡尔曼滤波具

有显著的优点:采用状态空间法在时域内设计滤波器,用状态

方程描述任何复杂多维信号的动力学特性,避开了在频域内

对信号功率谱作分解带来的麻烦,滤波器设计简单易行;采用

递推算法,实时量测信息经提炼被浓缩在估计值中,而不必

存储时间过程中的量测量。所以,卡尔曼滤波能适用于白噪

声激励的任何平稳或非平稳随机向量过程的估计,所得估计

在线性估计中精度最佳。阿波罗登月计划中的导航系统设计是卡尔曼滤波早期应用中最为成功的实例。2023/11/113Kalman滤波简介Kalman滤波:

Kalman滤波是一种实时递推算法,它所处理的是随机信号,利用系统噪声和观测噪声的统计特性,以系统的观测量作为滤波器的输入,以所要估计值(状态或参数)作为滤波器的输出,滤波器输入与输出是由时间更新和观测更新算法联系在一起的,根据系统方程和观测方程估计出所需要处理的信号——实质是一种最优估计方法。

卡尔曼滤波就是在有随机干扰和噪声的情况下,以线性最小方差估计方法给出状态的最优估计值,卡尔曼滤波是在统计的意义上给出最接近状态真值的估计值。2023/11/114Kalman滤波简介卡尔曼滤波有如下特点:(1)卡尔曼滤波处理的对象是随机信号;(2)被处理信号无有用和干扰之分.滤波的目的是要估计出所有被

处理信号;(3)系统的白噪声激励和量测噪声并不是需要滤除的对象.它们的

统计特性正是估计过程中需要利用的信息。所以确切地说,卡尔曼滤波应称作最优估计理论.此处称谓的滤波与常规滤波具有完全不同的概念和含意。

2023/11/115Kalman滤波简介状态估计:状态估计是卡尔曼滤波的重要组成部分。一般来说,根据观测数据对随机量进行定量推断就是估计问题,特别是对动态行为的状态估计,它能实现实时运行状态的估计和预测功能。

状态估计对于了解和控制一个系统具有重要意义,所应用的方法属于统计学中的估计理论。最常用的是最小二乘估计,线性最小方差估计、最小方差估计、递推最小二乘估计等。其他如风险准则的贝叶斯估计、最大似然估计、随机逼近等方法也都有应用。受噪声干扰的状态量是个随机量,不可能测得精确值,但可对它进行一系列观测,并依据一组观测值,按某种统计观点对它进行估计。使估计值尽可能准确地接近真实值,这就是最优估计。状态估计2023/11/116Kalman滤波简介

在许多实际问题中,由于随机过程的存在,常常不能直接获

得系统的状态参数,需要从夹杂着随机干扰的观测信号中分

离出系统的状态参数。例如,飞机在飞行过程中所处的位置

、速度等状态参数需要通过雷达或其它测量装置进行观测,

而雷达等测量装置也存在随机干扰,因此在观测到飞机的位

置、速度等信号中就夹杂着随机干扰,要想正确地得到飞机

的状态参数是不可能的,只能根据观测到的信号来估计和预

测飞机的状态,这就是估计问题。2023/11/117Kalman滤波简介从观测到的信号中估计出状态的估值,并且希望估值与状态的真值误差越小越好,即要求有:

成立因此存在最优估计问题,这就是卡尔曼滤波。卡尔曼滤波的最优估计需满足以下三个条件:·无偏性,即估计值的均值等于状态的真值;·估计的方差最小;·实时性。2023/11/118Kalman滤波简介线性最小方差估计设X是随机变量,Z为X的量测向量,即Z=Z(X)+V,求X的估计就是根据Z解算出X,显然是Z的函数,由于v是随机误差,所以X无法从Z的函数关系式中直接求取,而必须按统计意义的最优标准求取。最小方差估计是使下述指标达到最小的估计线性指是Z的线性函数。2023/11/119Kalman滤波简介线性最小方差估计性质性质1:最小方差估计等于量测为某一具体实现条件下的条件均值。性质2:无偏性性质3:线性2023/11/120Kalman滤波简介白噪声:噪声信号满足:则称为白噪声,式中为方差强度白噪声序列特点:

1.零均值且具有独立性

2.与时间无关,与时间间隔有关,所以它具有平稳性

高斯白噪声:服从高斯分布

白噪声2023/11/121Kalman滤波简介简单实例假设我们要研究的对象是一个房间的温度。根据你的经验判断,这个房间的温度是恒定的,也就是下一分钟的温度等于现在这一分钟的温度(假设我们用一分钟来做时间单位)。假设你对你的经验不是100%的相信,可能会有上下偏差几度。我

们把这些偏差看成是高斯白噪声(WhiteGaussianNoise),也就

是这些偏差跟前后时间是没有关系的而且符合高斯分配(GaussianDistribution)。另外,我们在房间单放一个温度计,但是这个温度计也不准确的,测量值会比实际值偏差。我们也把

这些偏差看成是高斯白噪声。2023/11/122Kalman滤波简介现在对于某一分钟我们有两个关于该房间的温度值:根据经验

的预测值(系统的预测值)和温度计的值(测量值)。我们要用这

两个值结合他们各自的噪声来估算出房间的实际温度值。

假如我们要估算k时刻的是实际温度值。首先要根据k-1时刻的温度值,来预测k时刻的温度。因为你相信温度是恒定的,

所以你会得到k时刻的温度预测值是跟k-1时刻一样的,假设是

23度,同时该值的高斯噪声的偏差是5度(CS是这样得到的:如

果k-1时刻估算出的最优温度值的偏差是3,你对自己预测的不

确定度是4度,他们平方相加再开方,就是5)。然后,你从温

度计那单得到了k时刻的温度值,假设是25度,同时该值的偏

差是4度。2023/11/123Kalman滤波简介由于我们用于估算k时刻的实际温度有两个温度值,分别是23

度和25度。究竟实际温度是多少呢?相信自己还是相信温度计呢?究竞相信谁多一点,我们可以用

他们的covariance来判断。因为Kg^2=5^2/(5^2+4^2),所以Kg=0.78,我们可以估算出k时刻的实际温度值是:23+0.78*(25-23)=24.56度。可以看出,因为温度计的covariance比较小(比较相信温度计),

所以估算出的最优温度值偏向温度计的值。2023/11/124Kalman滤波简介现在我们己经得到k时刻的最优温度值了,下一步就是要进入k+1时刻,进行新的最优估算。到现在为止,好像还没看到什么自回归的东西出现。对了,在进入k+1时刻之前,我们还要算出k时刻那个最优值(24.56度)的偏差。算法如下:((1-Kg)*5^2)^0.5=2.35。这单的5就是上面的k时刻你预测的那个23度温度值的偏差,得出的2.35就是进入k+1时刻以后k时刻估算出的最优温度值的偏差(对应于上面的3)。

就是这样,卡尔曼滤波器就不断的把covariance递归,从而估算出最优的温度值。他运行的很快,而且它只保留了上一时刻的covariance。上面的Kg,就是卡尔曼增益(KalmanGain)。它可以随不同的时刻而改变它自己的值。2023/11/125Kalman滤波简介离散型基本方程设随机线性离散系统的方程(不考虑控制作用)为:

式中是系统的状态向量,是系统的观测序列,是系统过程中的随机噪声序列,是观测噪声序列,是系统的状态转移矩阵,是噪声输入矩阵,是观测矩阵。2023/11/126Kalman滤波简介根据先前假设,过程噪声和观测噪声应为白噪声,所以有如下统计特性:2023/11/127Kalman滤波简介

在上述条件的约束下,的估计量可求解如下:一步状态预测状态估计2023/11/128Kalman滤波简介

滤波增益矩阵

一步预测误差方差阵估计误差方差阵2023/11/129Kalman滤波简介就实现形式而言,卡尔曼滤波器实质上是一套由数字讨算机

实现的递推算法.每个递推周期中包含对被估计量的时间更新和量测更新两个过程。时间更新由上一步的量测更新结果和设计卡尔曼滤波器时的先验信息确定,量测更新则在时间更

新的基础上根据实时获得的量测值确定。因此。量测量可看

做卡尔曼滤波器的输入,估计值可看做输出,输入与输出之

间由时间更新和量测更新算法联系,这与数字信号处理概念

是类似的,所以有些书称卡尔曼滤波为广义数字信号处理。2023/11/130Kalman滤波简介2023/11/131Kalman滤波简介

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。

评论

0/150

提交评论